机器学习实战(基于Scikit-Learn和TensorFlow)

第一部分机器学习基础

第一章-机器学习概览

本章是机器学习的最初级入门，这里会介绍很多的机器学习相关术语，应当熟记于心。

1 什么是机器学习：

笔者：直观而言，机器学习就是让机器去学习。学什么呢?学习人类的思维方式，让计算机具备学习能力；

官方：一个计算机程序在完成任务Task之后，获得一定的经验Experience,其表现效果为Performance，同时

          如果该任务Task的性能Performance会随着经验Experience的增加而增加，则该 计算机具备学习的能力。

举例：生活中，我们会经常收到莫名的邮件，我们往往会丢到垃圾回收站里面，那么垃圾邮件过滤器会学习垃圾                                           回收站里面的邮件，比如学到了大多数被回收的邮件里面有敏感词汇“骗”等，那么如果下次来的邮件也有                                           该词汇“骗”，则垃圾邮件回收器会自动把该邮件归类为垃圾邮件。

2 为什么使用机器学习：

首先因为他太火了，很智能！

如图1.如果用一个传统的编程技术编写一个垃圾邮件过滤器，那么我们会自己看垃圾邮件是什么样子，然后找出来大多数垃圾邮件里面多数共有的敏感单词或者模式，然后你再为没有单词或者模式编写一个程序，如果程序检测到下一个邮件有这个模式或者单词，那么就会自动归类为垃圾邮件，然后不断的测试这个程序，直到最好。但是你的程序会越来越复杂，不好维护。

图1

如果我们使用机器学习的方法，，那么垃圾和过滤器会自动比对垃圾邮件和常规邮件，自动的检测垃圾邮件中经常出现的单词或者模式，自动的学习哪些单词或者模式可以作为垃圾邮件的预测因素，这样的程序会简单容易维护，从某种意义上来说，可能会更准确。可以使用深度学习模型对垃圾邮件和常规邮件进行训练，动态的学习。如图2。

图2

3 机器学习的种类（4类）

监督学习：用的训练数据有标签（标签具有分类的作用） 例如分类和回归都是监督学习

非监督学习：用的训练数据没有标签（所以不是分类的任务）

半监督学习：用的训练数据既有有标签的（少数）也有没有标签的（多数）

强化学习：学习系统能够根据环境，做出选择，执行操作，并获得回报或者惩罚