由于工作的關系，開始接觸機器學習這個技術領域，雖然自己的工作看似和機器學習關系不大，但是利用機器學習進行大數(shù)據(jù)的分析卻是至關重要的。因此從今天開始自己再開始一個關于“機器學習”的系列筆記，將主要記錄整理自己學習的收獲。今天是對于機器學習的一個基本的介紹。
一、什么是機器學習？為什么需要機器學習？
    所謂機器學習，英文就是Machine Learning，最早的形式類似于數(shù)據(jù)挖掘、模式識別、人工智能等。無論其如何變化，應用到哪個具體的領域，其核心的思想都沒有變：利用數(shù)據(jù)分析技術發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的規(guī)律或模式。 這里的主要問題面向那些算法還不清晰，無法直接編程實現(xiàn)解決的問題。比如對于序列排序問題，我們已經(jīng)有了成熟的冒泡等算法；但是對于識別手寫字體或從音頻 中提取出一個人說的話等，大腦的處理機制尚且不清晰，又何談編程實現(xiàn)呢？因此對于此類難以編程實現(xiàn)的問題，我們采取數(shù)據(jù)分析的方法；而之所以我們可以通過 數(shù)據(jù)分析獲得模式或者近似的描述，本質上則是因為數(shù)據(jù)本身不是隨機的，其中已經(jīng)包含著我們還未發(fā)現(xiàn)的規(guī)律，我們利用數(shù)據(jù)分析的目的，就是發(fā)現(xiàn)、找到這些規(guī) 律或者這些規(guī)律的近似描述。而這里的數(shù)據(jù)分析，就是我們今天說的機器學習，讓計算機通過大量的數(shù)據(jù)分析，去自己學會解決該問題的算法，所以機器學習的算法 也可以稱作是“學習型算法”。
二、監(jiān)督式學習
   接下來我們來分別看看機器學習四個具體的方面：監(jiān)督式學習、算法理論、非監(jiān)督式學習以及增強學習。首先我們來看看監(jiān)督式學習。所謂監(jiān)督式學習，也許定義有許多說法，不過我們只要把握一點就可以了：監(jiān)督式學習需要一組“監(jiān)督數(shù)據(jù)”來作為訓練學習。這里的“監(jiān)督數(shù)據(jù)”指的是一組明確標準輸入對應的標準輸出的數(shù)據(jù)，也就是“正確”結果明了的數(shù)據(jù)，我們所做的是運行算法，使得算法根據(jù)這些標準數(shù)據(jù)學習其中的映射關系，因此是“監(jiān)督”的。
   常見的監(jiān)督式學習有回歸和分類。所謂回歸常見的例子就 想不同月份房價的數(shù)據(jù)，一年12個月的房價（平米均價）各不相同，如果我們以時間為x軸，房屋均價為y軸，那么可以繪出一年中的房價/月份漲跌圖。如果我 們想知道來年一月份的房價，我們只需要找到一條最符合已知數(shù)據(jù)的曲線就可以了，然后以此預測未來的房屋均價。
    至于分類，最常用的例子是關于腫瘤良性/惡性與大小的關系數(shù)據(jù)，以腫瘤大小為x軸，良性/惡性為y軸，自根據(jù)已有的腫瘤大小和性質的數(shù)據(jù)，來對新的病例腫瘤性質進行判斷。這里的y軸不再像回歸例 子中是連續(xù)變化的數(shù)值（比如房屋均價），而是離散的數(shù)值（1：良性；0：惡性）。我們同樣可以進行機器學習算法訓練，然后根據(jù)找到的規(guī)律來判斷新的病例。 將分類的思想推廣出去，現(xiàn)在我們只是考慮腫瘤大小一個因素，如果加上病者年齡，那么將得到一個三維的函數(shù)圖；如果再考慮病人的性別，那么維數(shù)將繼續(xù)增加。 如果我們面臨的問題需要考慮的因素很多，那么我們就可能需要一個高維平面。但是這個高維平面式什么樣子呢？這個時候空間中的規(guī)律又如何尋找呢？值得慶幸的 是，最近幾年人們找到了SVM來解決這種高位向量空間的分類問題。SVM現(xiàn)在應用越來越廣泛，這個在以后的章節(jié)會繼續(xù)介紹。
三、算法理論
    機器學習依賴于多種多樣的算法，這些算法大多基于數(shù)學和統(tǒng)計學，因此理解這些算法有時候需要掌握一定的數(shù)學基礎。統(tǒng)計學上比如隨機變量的期望、方差、相關 系數(shù)等；而數(shù)學上則需要比較多的代數(shù)知識，比如矩陣的計算、轉置、求逆以及特征向量等。一般來說，如果只是使用機器學習現(xiàn)有的算法，那么不需要對于其中的 數(shù)學原理透徹理解，只需要理解各個算法和使用的條件就可以了。我們學習機器學習的目的分為三個層次：
-1. 了解機器學習領域，知道重要的算法；
-2. 可以根據(jù)自己的實際問題，靈活地應用機器學習算法來解決問題；
-3. 理解算法，提出已有算法的改進；
    這里自己的目標也就是到第二個層次了，能夠使用機器學習算法解決面臨的數(shù)據(jù)分析問題就可以了。機器學習是一門很有用的數(shù)據(jù)分析工具。
四、非監(jiān)督式學習
    同監(jiān)督式學習對應的就是非監(jiān)督式學習，非監(jiān)督式學習的特點就是開始的時候沒有一組知道結果的標準數(shù)據(jù)，完完全全是從一堆毫無頭緒的數(shù)據(jù)中去發(fā)現(xiàn)規(guī)律。常見 的非監(jiān)督式學習的例子就是聚類。一個經(jīng)典的例子就是“雞尾酒會”問題，這個是說在一個人聲嘈雜的雞尾酒會上，你如何從聲音的疊加中提取出你想聽的某個人的 聲音。這里就需要對聲頻數(shù)據(jù)進行大量的聚類分析，應用領域可以在聲音識別、圖像像素分析、計算機視覺、社交網(wǎng)絡/市場劃分等。
五、增強學習
    前面所說的數(shù)據(jù)分析的輸入都是一次性的大量數(shù)據(jù)，然后對一個新的輸入做出預測/判斷。但是有些問題需要對一個輸入的序列進行分析，也就是說這個時候我們關 注的不是一個輸入的結果，而是一個輸入序列的“策略”。比如無人駕駛飛機的導航程序，一個“上升”或“下降”的指令并不會導致飛機事故，相反只有一系列連 續(xù)的升降指令才會導致飛機失事。這里的應用領域往往是關注“策略”的領域，如游戲（RTS等）、無人機、機器人導航等。
六、小結
    可以說，機器學習的領域主要是上面所說的三個方面：監(jiān)督式學習、非監(jiān)督式學習以及增強學習，但是具體的應用領域則涉及醫(yī)學、生物學、電子工程、人工智能等多個領域。機器學習作為一個強大的工具在不同的領域對數(shù)據(jù)分析發(fā)揮著不可替代的作用。

成都創(chuàng)新互聯(lián)服務熱線：13518219792，為您提供成都網(wǎng)站建設網(wǎng)頁設計及定制高端網(wǎng)站建設服務，成都創(chuàng)新互聯(lián)網(wǎng)頁制作領域十年，包括墻體彩繪等多個領域擁有豐富的網(wǎng)站設計經(jīng)驗，選擇成都創(chuàng)新互聯(lián)，為企業(yè)保駕護航！

文章標題：機器學習【一】：緒論
文章鏈接：http://aaarwkj.com/article0/jjjgoo.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供商城網(wǎng)站、品牌網(wǎng)站設計、微信公眾號、域名注冊、定制開發(fā)、軟件開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)