1.what is Machine Learning?
Learning:通过观察获取技能(skill)
observation—> learning —>skill
Machine Learning:电脑通过数据获得技能(skill)
data—>ML—>skill(improve performace measure)
skill:增强某种表现,例如人脸识别的准确率等。
ML适合的场景: an alternative route to built complicated systems.
例如以下场景:
1. when human cannot program the system manually -- navigating on Mars
2. when human cannot define the solution esaily --speech /visual recognition
3. when needing rapid decisions that humans cannot do--high frequency trading
4. when needing to be user-oriented in a massive scale--consumer-targeted
总结起来ML三个关键:
1.有存在某些目标,隐藏规则(underling Pattern)
2.这些规则(Pattern)难以定义,不知如何写下来(如果知道就不用了)
3.有学习这个隐藏规则的数据(data).
课堂问题:
题意:下列哪些问题最适合机器学习解决.
分析:适合机器学习解决的问题主要包含以下特点:
a.存在某些目标,隐藏规则(underlying pattren)
b.这些规则难以定义.
c.有学习这个隐藏规则的数据
i.区分一个数是否为素数:错误,我们可以很简单写出素数的规则,只能被1或他本身整除
ii.确定信用卡是否被盗刷:正确,这是极其学习里面的异常点检测问题
iii.确定一个物体的落地时间:错误,这里有物理学公式,
h
=
0.5
∗
g
∗
t
2
h=0.5*g*t^2
h=0.5∗g∗t2
iv.确定拥挤路口交通信号灯的最佳循环:正确
v.确定某种药物的推荐服用者年龄:正确,可以通过聚类找出效果好的群
参考资料:
机器学习基石