机器学习（一）导论

一、机器学习应用领域

数据挖掘
计算机视觉（机器读懂图片）
自然语言处理（机器理解文字）
机器人决策（机器可以做决策）

1、数据挖掘机器学习相关（传统的监督学习/深度学习）

（1）两大基本问题：回归问题、分类问题
（2）概念：根据已知的数据，学习出一个数学函数f(x1,x2,x3…x4)=y，使的有更好的预测能力
（3）名词：特征（比如，房屋的面积，卧室数量都算房屋的特征）、标签、样本、数据集

2、计算机视觉（深度学习）

图像分类：输入图片和模型，最后分类
目标检测：输入图片和模型，输出标签（位置、类别，用于无人驾驶）
语义分割：将图片里的动物区分出来

3、自然语言处理（深度学习）

文本分类：给文章分类
自动生成文本摘要
翻译
问答：给一篇文章，提问，自动输出答案
人机对话：微软小冰
将图片输出成文本

4、机器人决策

端到端自动驾驶（深度学习）：车上的相机拍一张照片，经模型，输出车辆控制信号
机器人开门（深度学习/强化学习）

二、机器学习理论分类

1、传统监督学习

2、深度学习

3、强化学习

三、什么是机器学习？

1、学习算法

（1）监督学习：教计算机如何去完成任务
包括线性回归、决策树、贝叶斯分类、最小二乘回归、逻辑回归、支持向量机、神经网络
（2）非监督学习：计算机自己学习

2、监督学习

（1）回归问题：已知一部分数据，预测一个连续值的输出。如房价预测
（2）分类问题：预测一个离散输出。如瘤是良性还是恶性

3、无监督学习

只有一个数据集，没有标签，然后找出蕴含的类型结构
（1）聚类算法：如谷歌从各个新闻网站收集某一新闻聚集到一起
应用：社交网络、客户细分市场
（2）自动分类：如鸡尾酒算法