目录
引言
什么是机器学习
机器怎么学
推荐使用的工具包
引言
这是一篇科普类型的文章,将使用较为通俗易懂的说法,向读者简单介绍一下机器学习。
什么是机器学习
随时网络的发展,很多朋友都享受过人工智能的带给我们的便利,特别是近期引起广泛关注的ChatGPT,那么一个自然的问题就出现了,到底什么是机器学习?
机器学习是人工智能在近期最重要的发展之一。机器学习的理念是,不将智能看作是给机器传授东西,而是机器会自己学习东西。这样一来,机器就可以直接从经验(或数据)中学习如何处理复杂的任务。
简单而言,就是通过可学习的数据,让机器学习到这组数据中潜在的规律,在充分了解了规律后,机器就可以解决相应的问题(在效果上会有很大区别)。
机器怎么学
让机器进行学习后,所学的知识都被包含在了数学表达式中,这个数学表达式就相当于是对规律的一种概括,表示了数据间的关系,实现原始数据与目标结果间的映射。
一般而言,机器学习的常规步骤如下:
- 获取数据,进行相应的处理
- 选择合适的算法模型
- 利用算法模型学习数据中的知识
- 利用模型解决相应的任务
这里的数据,我们称之为样本,类似于函数,对于模型而言,数据就是这里的
,但由于是收集而来的大量数据,会存在许多的问题,并不那么"漂亮"(机器学习算法,在越"漂亮"的数据下学习,最后的性能会越好),我们需要对数据进行相应的处理让它能直接给算法进行训练,而训练,就是通过某种方法,将函数
的表达式求解出来,最后一步就是利用得到的表达式,并做特别处理来解决相关任务。
许多方法还会在执行任务的过程中,通过任务中的未知样本继续学习,从而改进算法的性能。例如ChatGPT通过强化学习与用户交互,从而得到更精确的结果。
对机器学习而言,最核心的就是数据和模型算法,有了数据才能训练算法,有了算法才能学习数据中的规律知识。
推荐使用的工具包
这部分将推荐一个Python的机器学习工具包sklearn,这个库对绝大部分经典机器学习的算法都有很好的实现,并且有着极为统一的函数接口。在训练好模型后,可以通过调整超参数来进一步优化模型性能,也就是所谓的调参,但这并非完全是无目的性的,这些超参数是在算法推导过程中起着极为重要的作用,在了解原理后,对调参是有帮助的。
接下来的文章,将从理论部分与实践代码部分来讲述经典机器学习算法。