Machine Learning and Other Field
Why can Mechine learn?
How can Mechine learn?
How can Mechine learn better?
When can Mechine learn?
1.The Learning Problem
1.1What is Mechine learn?
对于人类来说,我们通过观察来学习事物和技巧,然而,对于机器学习,我们通过从数据的经验累积和计算来获取skill。
What is skill? <-> improve some performance measure
1.2When can Mechine learn?
Condition
- exists some underlying pattern to be learned
- no programmable easy definition
- somehow there is data about
通常能够想到的是,指定规则来让机器进行学习。但是有些规则难以定义(比如:我要从一张图片中判断是否有一颗树,那该如何定义这颗树,是很困难的事情)所以不如让机器自己学习其中的特征。并且有一些潜在的模式需要学习,且对于大量数据来说,机器学习比人类会更加高效。
授人以鱼不如授人以渔。
1.3Application of Mechine learn
ML is everywhere!
1.4Component of learn**
A takes D and H to get g
ex:对于银行,现有一个要对用户发信用卡的需求,需要知道哪些用户可以发信用卡,哪些不可以?这是一个很典型的机器学习的例子,我们需要根据D,通过A,在H中选择最好的h,得到g,接近目标函数f,也就是根据先验知识建立是否给用户发放信用卡的模型。
unknown pattern to be learned : approve credit card good for bank?
我们不知道f:x->y(target function),但是通过learn algorithm进行大量data的学习,进行一些假设来得到一个g:x->y,其中g ≈ f。
从未知规律的数据中,通过学习算法去挖掘,让最终的 g 接近 f
注意点:
- 目标函数,f是未知
- 假说是希望g尽可能的接近f,但是可能还是不同于f
↑g是什么?
假定,在learning alorithm 中可能的公式(good or bad)
h0:年收入超过十万就给信用卡
h1:负债超过十万就给信用卡
h2:工作不满两年就给信用卡
....
选一个机器学习演算法选一个最好的出来。
learning model = A and H(演算法+参数)
1.5Machine Learning and Other Field
与ML相似的:DM,AI,Statistics
- 机器学习和数据挖掘,非常相像,有些地方还是一样,密不可分
- 机器学习是实现人工智能的一种方式
- 统计是实现机器学习的一种方法,统计更加关注使用数学理论来给出结果,很少关心计算的问题。统计学给机器学习提供了很多有用的工具。