机器学习的应用视角

2019/02/21
在以往很多的书籍中，他们主讲的内容就是机器学习可以完成类似分类、回归这样的任务。久而久之，脑海中渐渐形成了思维定势。
最近就在看利用机器学习玩游戏的内容，虽然更直接的方式第一想法是利用强化学习来实现，但利用机器学习同样可以完成这样的任务，比较直观一点的，就是将状态形式化为特征，然后利用训练的模型来进行预测。最开始我看到论文这样说明的时候，我是很惊讶的，因为我从来没往这个方面想过。
说起来好像很简单，同样都是预测的关键词。但思维定势的存在就决定了没办法往这个方向想。

---

今天看了使用机器学习算法来进行扫雷的作业论文，有点明白了自己的局限性。
前段时间学姐也是跟我这样说，找到一个问题，在对问题进行描述清楚之后，你去套一个模型，这样的一个研究路径。
本质上，我在以前的时候，我也经历过这样的过程，就是在学习算法与数据结构的时候，如果用那个里面的内容进行说明的时候，可能更贴近的就是搜索算法吧。

---

扫雷问题，可以利用搜索算法来解决，也可以利用马尔可夫模型解决，甚至可以用分类算法来解决。但问题的关键在于，使用什么样的模型将这个问题给充分描述出来。而且这种问题多为NP问题，也就是在状态空间的搜索过程，可能最开始就是一个简单的搜索树，但我为了缩减状态空间，我可能还有一些别的技术，甚至说我就使用机器学习来完成。
这样的一个模型转换是学习过程的一个认知的转换问题，本质上这属于一种人工智能相关的算法，怎么样将多种模型跟这个问题结合起来，最后将整个认知给构造起来。

---

2019/02/22
昨天晚上临睡前也思考了一些内容，虽然机器学习可以应用到这个领域，但对我现在的研究方向而言，分类已经是最好的办法。除非你将这个随机时间的过程给抽象出来，直接利用特征，是必然只能用分类的算法了。学姐学长他们可以使用这个方向的算法什么的也好，本质上他是一个状态空间的建模。