相信很多小伙伴在接触机器学习之前,都有不少的疑问,就是什么是机器学习?机器学习和人工智能有什么关系?机器学习能做什么?这些问题我在这篇文章给大家一一解答。
1. 什么是机器学习?
机器学习是从数据中自动分析获得模型,并利用模型对未知数据进行预测。
1.1. 图解
- 机器学习是指,把人的思考逻辑应用在计算机上,从而让计算机有比人更准确的判断。
- 我们人从大量的日常经验中归纳规律,当面临新的问题的时候,就可以利用以往总结的规律去分析现实状况,采取最佳策略。
- 判断猫和狗这个功能如何实现呢?
我们可以把很多猫的图片,很多狗的图片交给计算机处理学习,当下次遇见猫和狗的时候,计算机就能区分。这就像我们小时候学习的样子,刚开始我们并不知道猫和狗的区别,当父母让我们见了很多次猫和狗,并且重复教我们,这是猫,这是狗,久而久之,我们自然也就会了。
- 解决方法:从数据(大量的猫和狗的图片)中自动分析获得模型(辨别猫和狗的规律),从而使机器拥有识别猫和狗的能力。
- 根据房屋的特征来判断房屋价格?
解决方法:从数据(房屋的各种信息)中自动分析获得模型(判断房屋价格的规律),从而使机器拥有预测房屋价格的能力。
1.2. 数据集构成
在上面我们知道了,我们可以让计算机根据历史数据学习分析,获得模型,就能有预测的能力,那么我们需要的历史数据(数据集)是什么样子的呢?
数据集的结构:特征值+目标值
当分析很多歌这样的数据之后,计算机再次遇到这些特征(房屋特征),就能自动预测出目标值(房价)
对于每一行数据我们可以称之为样本。
有些数据,可以没有目标值,计算机可以根据特征分类
2. 人工智能和机器学习的关系
机器学习和人工智能,深度学习的关系
- 机器学习是人工智能的一个实现途径
- 深度学习是机器学习的一个方法发展而来,这个方法就是神经网络
3. 机器学习、深度学习能做些什么?
用在挖掘、预测领域:
- 应用场景:店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类…
用在图像领域:
- 应用场景:街道交通标志检测、人脸识别等等
用在自然语言处理领域:
- 应用场景:文本分类、情感分析、自动聊天、文本检测等等
4. 机器学习开发流程
- 获取数据
- 数据处理:把数据处理成算法更好解决的数据集
- 特征工程
- 建立模型
- 模型评估(若评估不合格,跳回第二步,直到评估合格为止)
- 应用
5. 推荐书籍
- 机器学习 -周志华
- 统计学习方法 -李航
- 深度学习