文章目录
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