1、机器学习概述
在当今智能时代,大量结构化和非结构化数据是我们的丰富资源。1956年,AI概念首次被提出,短短3年后(1959年),Arthur Samuel就提出了机器学习的概念:
“Field of study that gives computers the ability to learn without being explicitly programmed.”
机器学习研究和构建的是一种特殊算法(而非某一个特定的算法),能够让计算机自己在数据中学习从而进行预测
所以,机器学习不是某种具体的算法,而是很多算法的统称
机器学习包含了很多种不同的算法,深度学习就是其中之一,其他方法包括决策树,聚类,贝叶斯等
深度学习的灵感来自大脑的结构和功能,即许多神经元的互连。人工神经网络(ANN)是模拟大脑生物结构的算法
不管是机器学习还是深度学习,都属于人工智能(AI)的范畴。所以人工智能、机器学习、深度学习可以用下面的图来表示:
关于人工智能的介绍见文章:传送门
2、什么是机器学习
在解释机器学习的原理之前,先把最精髓的基本思路介绍给大家,理解了机器学习最本质的东西,就能更好的利用机器学习,同时这个解决问题的思维还可以用到工作和生活中
2.1、机器学习的基本思路
机器学习的基本思路如下:
- 把现实生活中的问题抽象成数学模型,并且很清楚模型中不同参数的作用
- 利用数学方法对这个数学模型进行求解,从而解决现实生活中的问题
- 评估这个数学模型,是否真正的解决了现实生活中的问题,解决的效果如何
无论使用什么算法,使用什么样的数据,最根本的思路都逃不出上面的三步!
当我们理解了这个基本思路,我们就能发现:
不是所有问题都可以转换成数学问题的。那些没有办法转换的现实问题AI就没有办法解决。同时最难的部分也就是把现实问题转换为数学问题这一步
2.2、机器学习的原理
下面以监督学习为例,给大家讲解一下机器学习的实现原理
假如我们正在教小朋友