什么是机器学习
尽管越来越多的IT人员从事到机器学习的,但是对于机器学习仍然没有一个明确的定义,说一说现有的一些定义:在没有明确定义的情况下,让计算机具有自我学习能力的研究领域。
来个Eg:围棋阿尔法狗.就算得上是一个机器学习的研究成果,我们可以把它理解为一个训练的过程,不断的给这只Dog喂养数据,也就是各种各样的棋盘布局,来让它计算和学习那种布局刚容易走向胜利,当自身的数据足够大的时候,阿尔法狗理所当然成为一个围棋怪兽。
监督学习和无监督学习
监督学习(supervised learning)
监督学习顾名思义你可以理解成:一个有一个类似于教师职责的人在监视计算机的学习的过程,监视计算机的训练过程,如上所示,我们依旧给计算机训练内容,并且告诉计算机哪些是输入对象,哪些是期待的输出,在经历这些训练之后,计算机会对不同的数据输入产生一个映射,这个映射值就是我们期待的输出。
来个Eg:
如图,我们给出输入对象是房子的大小,而我们的期待输出是房子的价值,这可能是我们给出的预算 但是我们把数据给到计算时,当我们给出的数据足够大的时候机器学习可能给出的函数是这样的 ↓
是不是相对于人类的预算,更接近房子的准确价值呢!
当然我们给出房子的更多特性和数据量,机器给出的预算应该能达到90%以上的准确率。
无监督学习(unsupervised learning)
无监督学习,我们不告诉计算机那些是输入对象,那些是期望输出,我们只给计算机训练对象,让计算机根据自己的算法对内容进行分类。
老套路,来个Eg:x1和x2我也不知道该代表什么,但是经过无监督学习种的聚类算法可以轻易把他们分成两个组,不光是纸面上的可以用聚类算法进行分析,音像领域照样也可以用该算法,把不同人发出的声音很好的分离开来!
二者的区别
针对有监督学习,你必须给出那些数据是对的,那些是错的也就是标签,这样计算机才可以给出需求值。针对无监督学习,我们只给计算机数据,让计算机自己来进行归类,对数据进行划分。
ok第一篇博客就先到这里~
下篇见…