【01】 机器学习的动机与应用
- 机器学习的应用
- 目标
- 起源
- 结构
1 机器学习的广泛应用
- Google 搜索及web网页评分喜用
- Facebook 和Apple的照片标记系统
- Spam email filter
- 手写识别,人脸识别
- 偏好问题(例如豆瓣的推荐,淘宝的推荐等)
2 起源-What
- Authur Samuel(1959)的定义:Field of study that gives computer the ability to learn without being explicitly programmed. 隐式地编程,完成我们需要计算机完成的任务。
- Tom Mitchell(1998)的定义
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
其实机器学习很简单:一个程序包含如下
- 【经验学习】:如同人的学习一样,学习多了,经历E多了,就能调整自己适应这个社会。【训练样本的学习经验—E】
- 【目标】:完成某种任务T
- 【程序性能】:性能测试P(有相关的评价指标)
3 分类
- 有监督学习
- 无监督学习
- 强化学习
- 推荐系统
3.1 有监督学习
【训练样本有没有标签】:
- 回归问题:房价预测问题
- 分类问题:癌症分类
3.2 无监督学习
【训练样本不知道标签】:也就是只有训练样本在那,你自己学习获得Experience E,
- 聚类分析:癌症(不知道好坏),基因分类,鸡尾酒问题(声音的分离,不同麦克风采集到声音【可以运用ICA 算法】)
ICA算法只要一行,但是花费了程序员好几年的时间,越是简单的算法,越是需要经历去创造。【这不像生活一样,精简的生活需要时间的修炼】
ICA 算法代码:
[W,s,v] = svd((repmat(sum(X . X , 1), size(X, 1), 1) . X) * X’);
3.3 强化学习
形象地比喻:如同训练小狗一样,好句给你东西吃(奖励),不听话,就不给你东西,让你挨饿(惩罚)。
- 控制小型飞行器的运行(难道大型的无人机也可以这样)
- 机器狗、机器蛇、机器小车、机器人等避开障碍物来行动【自己也完成这个该有多酷啊-学习学习】
3.4 推荐系统
例子:比如豆瓣猜!
Jeremy
2014.12.23
详细的参考笔记