带着问题学Machine Learning:什么是机器学习

作者: 佚名 2017-08-17 13:26:34

带着问题学Machine Learning:什么是机器学习

机器学习是个难以接受的东西。如果有案例就好了,那就 lets go~

Q:什么是机器学习?

机器学习就是让计算机有像人一样的学习能力的技术,是从数据中寻找有用的知识的数据挖掘技术。

比如呢?运用机器学习技术,类似今日头条给我推我喜欢看的,并看不完的短视频,(害得我卸载了…)。比如说,淘宝知道你喜欢的衣服款式,老是在猜你喜欢那里出现你喜欢的。

Q:那机器学习的数据种类不同吧?

是的,很不一样。根据所学习的数据种类,可以分为监督学习、无监督学习和强化学习等。

Q:什么是监督学习?

监督学习,就是计算机在有结果标记的数据学习后,能预测数据结果的学习过程。

比如,预测数值型数据的回归,预测标称型数据的分类等。太抽象了…

对应的比如,图像处理,垃圾邮件的分类和拦截等

Q:什么是无监督学习?

无监督学习,就是计算机在没有结果标志的数据学习后,能获取有用数据的学习过程。

自然还有个半监督学习,介于两者之间。

比如,预测肿瘤的良性恶性、视频分析等

Q:什么是强化学习?

强化学习,跟无监督学习类似,没有结果标志的数据学习后,又跟监督学习一样,能预测数据结果。

这个’四不像’,被认为人类的主要学习模式之一。

自然也很复杂,涉及到的算法很多。下面聊聊常见的算法。

Q:监督学习和无监督学习中有哪些典型的问题?

在机器学习中有很多典型的问题,比如回归、分类、异常检测、聚类和降维等。自然每个问题,延伸出就是算法,所以也有对应的算法。

Q:什么是回归问题?

回归,都对线性回归有印象吧。回归是数学模型,用于统计的一种方法。是对一组因变量 Yn 和另一组自变量 Xn 之间关系的统计分析。

比如记得以前用 SPSS 的时候,回归统计人的体表面积与身高、体重有关系。从案例看出,回归多半用在监督学习。

Q:什么是分类问题?

分类包括有监督分类和无监督分类。

有监督分类,就是大家一直知道的。术语表达,是指对于指定的模式进行识别的有监督识别问题。这类分类问题,也可以想回归问题那样,被看作是函数近似问题。对,在经过已知样本数据的训练,只能对未知样本估计分类,无法对分类近似分类。

无监督分类,没有任何先验条件,仅仅根据数据,(盲目)的分类。其分类结果肯定是不同纬度的分类,但不能确定分类的类别属性。

Q:什么是异常检测问题?

异常检测,简单说,就是从一堆数据中区分异常值和正常值。术语表达,对数据集中其他项目的项目、事件等识别。比如文本错误问题。

Q:什么是聚类问题?

聚类,和分类问题相似。但属于一种无监督学习。是把相似的样本分成不同的组别或者更多子集。关键词:相似,所以相同组别(子集)的样本具有相似的性质,不同组别(子集)的样本之间具有不同的性质。在聚类问题中,如何计算样本之间的相似度是很重要的。

Q:什么是降维问题?

降维,其目的很直接,提取关键信息。术语表达,是降低样本的个数,得到一组变量的过程。自然,根据样本种类的不同,(我们上面介绍 监督学习 和 无监督学习 ,可以复习下)降维的问题也要分为 监督降维 和 无监督降维。降维有两种方法:特征选择和特征提取。

特征选择,是假定样本数据中包含大量冗余和无关数据,从而找出主要数据的方法。

特征提取,是从高维数据中提取关键信息,转为低维数据进而求解的方法。过程中伴随着除去数据,创建新数据。

广泛用在图像识别领域。

机器学习 监督学习 强化学习
上一篇:2017年为什么我一定要学深度学习 下一篇:在人工智能的浪潮中,我们会失业吗?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

刷脸取件被小学生“破解”!丰巢紧急下线

近日,#小学生发现刷脸取件bug#的话题引发关注!这是真的吗?都市快报《好奇实验室》进行了验证。

好奇实验室 ·  1天前
4 分钟!OpenAI 的机器手学会单手解魔方了,完全自学无需编程 精选

OpenAI 的机器手学会单手解魔方了,而且还原一个三阶魔方全程只花了 4 分钟,其灵巧程度让人自叹不如。

佚名 ·  1天前
MIT新研究表明机器学习不能标记假新闻

麻省理工学院研究人员发表的两篇新论文显示,当前的机器学习模型还不能完成区分虚假新闻报道的任务。在不同的研究人员表明计算机可以令人信服地生成虚构新闻故事而无需太多人为监督之后,一些专家希望可以训练基于相同机器学习的系统来检测此类新闻。

佚名 ·  1天前
高位截瘫患者重新行走:靠意念指挥外骨骼,法国脑机接口新突破 精选

依靠介入头部的 2 个传感器,法国里昂的一名瘫痪男子 Thibault 实现了操控外骨骼装备来助力行走。

孙滔 ·  3天前
2008 年预测 2020 年生活方式:基本都实现了

美国皮尤研究中心曾在 2008 年预测 2020 年的生活方式,目前来看,该研究的预测基本已经实现。而对于未来 10 年,也就是 2030 年左右人们的生活,在 2017 年底的世界经济论坛上,800 多名信息和通讯技术领域的技术高管和专家给出了如下预测。

佚名 ·  3天前
机器学习的正则化是什么意思?

正则化的好处是当特征很多时,每一个特征都会对预测y贡献一份合适的力量;所以说,使用正则化的目的就是为了防止过拟合。

佚名 ·  3天前
机器学习的正则化是什么意思?

正则化的好处是当特征很多时,每一个特征都会对预测y贡献一份合适的力量;所以说,使用正则化的目的就是为了防止过拟合。

佚名 ·  3天前
为什么我的CV模型不好用?没想到原因竟如此简单……

机器学习专家 Adam Geitgey 近日发布了一篇文章探讨了这一简单却又让很多人头痛的问题,并分享了他为解决这一问题编写的自动图像旋转程序。

机器之心 ·  3天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载