机器学习和传统编程有什么区别？✅

最新推荐文章于 2024-05-20 17:47:49 发布

最新推荐文章于 2024-05-20 17:47:49 发布

阅读量3.4k

点赞数 3

分类专栏：机器学习

本文链接：https://blog.csdn.net/weixin_45884316/article/details/106470031

版权

机器学习专栏收录该内容

36 篇文章 24 订阅

订阅专栏

什么是机器学习?

　　有些人说人工智能和机器学习只不过是if语句，更有甚至说它们只是简单的统计数据。或者说机器学习只是一个描述数学+算法的新词，这种简化看起来很有道理，但很明显，机器学习更加复杂一些。

　　简单地说，人工智能是一把伞，它涵盖了图像处理、认知科学、神经网络等其他领域的知识，机器学习也属于这一范畴。机器学习的核心思想是，计算机不仅使用预先编写的算法，而且学习如何解决问题本身。Arthur Samuel(他创造了ML这个词)给出了一个很好的定义:

　　机器学习是一个使计算机无需明确编程即可学习的研究领域。

　　机器学习能解决各种复杂的、很难用算法解决的任务。例如，它可以是手机上的人脸识别或语音识别、自动驾驶汽车(如谷歌自动驾驶汽车)、根据症状诊断疾病(Watson)、书籍(亚马逊)，电影(Netflix)、音乐(Spotify)、个人助理(Siri)等等。

　　关于机器学习的另一件重要的事:任何可用的机器学习技术都可以归因于三个可访问性层次。第一个层次是它特别适用于像谷歌或IBM这样的主要技术巨头，第二个层次是有一定知识存储的人(例如学生)可以使用它。机器学习可访问性的第三个层次是，即使是老奶奶也能处理它。

　　我们目前所处的发展阶段是机器学习处于第二层和第三层之间。在这项技术的帮助下，世界正在极速变化。

　　最后一件关于机器学习的事情是，大多数机器学习任务可以分为有老师的学习(监督学习)和没有老师的学习(非监督学习)。

　　“老师”的意思是人类干预数据处理。当训练时有老师干预，也就是监督学习，我们可以根据数据预测一些事情。反之就是无监督学习，通过这些数据，我们可以了解机器学习的性质。

　　机器学习和传统编程有什么不同?

　　在传统编程中，开发人员要对程序进行硬编码;在机器学习中，是机器去从数据中学习。因此，这些术语是无法互换的，数据工程师不能替代传统编程工作，反之亦然。尽管每个数据工程师都必须使用至少一种编码语言，但传统编程只是他们工作的一小部分。反过来，我们也不能说软件开发人员正在使用机器学习算法来创建一个网站。

　　与人工智能一样，机器学习不是一种替代，而是对传统编程方法的补充。例如，机器学习可用于为在线交易平台构建预测算法，而该平台的UI、数据可视化和其他元素将使用主流编程语言(如Ruby或Java)执行。

　　因此，最重要的是，当机器学习用于传统编程策略不足以完全实现某个任务的情况下，这在实践中意味着什么?

　　下面用两种不同的方法解决经典的汇率预测问题。

　　不管哪种解决方案，第一个任务都是创建最合适的算法并编写代码。然后，必须设置输入参数，如果算法是正确的，它将产生预期的结果。

　　软件开发人员如何创建解决方案

　　当预测某件事时，需要使用具有各种输入参数的算法。对于汇率的预测，必须有以往的汇率、发行货币的国家内部和外部的经济变化等等作为参考。因此，我们设计了一个能够接受一组参数并基于输入数据预测新汇率的解决方案。

　　这很简单，我们需要添加上千个参数，使它用有限的集合构建一个非常基本且不可扩展的模型。但是，人工处理如此庞大的数据是很麻烦的。

　　所以我们需要一个机器学习方法来完成这个任务。

　　为了使用机器学习方法解决这个问题，数据工程师使用了与传统编程完全不同的过程。他们不需要自己开发算法，而是需要收集一系列历史数据用于半自动模型构建。在收集到一组令人满意的数据之后，数据工程师将其加载到已经定制的机器学习算法中。这样得出的结果是一个可以预测新结果的模型，可以接收新数据作为输入。

　　数据工程师如何使用机器学习开发解决方案

　　机器学习的一个显著特征是不需要构建模型，任务是由机器学习算法执行的。而机器学习专家只需对此添加一个小的编辑。机器学习和编程之间的另一个显著差异是由模型能够处理的输入参数量决定的。要想做出准确的预测，必须输入大量参数，并且准确度要高，因为每一个参数都会影响最终的结果，人工计算目前达不到这样的要求。