机器学习 一、概述 1.什么是机器学习 机器学习是一门能够让编程计算机从数据中学习的计算机科学。 一个计算机程序在完成任务T之后,获得经验E,其表现效果为P,如果任务T的性能表现,也就是用以衡量的P,随着E增加而增加,那么这样计算机程序就被称为机器学习系统。 自我完善,自我增进,自我适应。 2.为什么需要机器学习 1)自动化的升级和维护 2)解决那些算法过于复杂甚至跟本就没有已知算法的问题 3)在机器学习的过程中协助人类获得对事物的洞见 3.机器学习的形式 1)建模问题 所谓机器学习,在形式上可近似等同于,在数据对象中通过统计或推理的方法,寻找一个接受特定输入X,并给出预期输出Y的功能函数f,即Y=f(X)。 2)评估问题 针对已知的输入,函数给出的输出(预测值)与实际输出(目标值)之间存在一定的误差,因此需要构建一个评估体系,根据误差的大小判定函数的优劣。 3)优化问题 学习的核心在于改善性能,通过数据对算法的反复锤炼,不断提升函数预测的准确性,直至获得能够满足实际需求的最优解,这个过程就是机器学习。 4.机器学习的种类 1)有监督学习、无监督学习、半监督学习、强化学习 有监督学习:用已知输出评估模型的性能。 无监督学习:在没有已知输出的情况下,仅仅根据输入信息的相关性,进行类别的划分。 半监督学习:先通过无监督学习划分类别,再根据人工标记通过有监督学习预测输出。 强化学习:通过对不同决策结果的奖励和惩罚,使机器学习系统在经过足够长时间的训练以后,越来越倾向于给出接近期望结果的输出。 2)批量学习和增量学习 批量学习:将学习的过程和应用的过程截然分开,用全部的训练数据训练模型,然后再在应用场景中实现预测,当预测结果不够理想时,重新回到学习过程,如此循环。 增量学习:将学习的过程和应用的过程统一起来,在应用的同时以增量的方式,不断学习新的内容,边训练边预测。 3)基于实例的学习和基于模型的学习 基于实例的学习:根据以往的经验,寻找与待预测输入最接近的样本,以其输出作为预测结果。 年龄 学历 经验 性别 -> 月薪 20 本科 3 男 8000 25 硕士 2 女 10000 … 20 本