3.4 KiB
3.4 KiB
title | localeTitle |
---|---|
Machine Learning | 机器学习 |
机器学习
人工智能的先驱亚瑟·塞缪尔(Arthur Samuel)在1959年将机器学习定义为“研究领域,使计算机无需明确编程即可学习。”
CMU的Tom Mitchell教授提供了一个更正式的机器学习定义:
“据说计算机程序可以从经验E中学习某些任务T和绩效测量P,如果它在T中的任务中的表现,由P测量,随着经验E而提高。”
考虑下棋的机器学习算法的例子。在这个例子中, E
指的是下棋的经验, T
是下棋的任务, P
表示程序将赢得下一场国际象棋的概率。
机器学习与人类学习方式完全一样。例如,如果一个人想要学习如何玩扑克,它将首先学习规则。然后它将尝试通过玩游戏获得经验。这种体验只不过是一台机器的庞大数据集,通过它可以做出明智的决策来解决所提出的问题。
通常,机器学习问题可以分为监督学习和无监督学习。在监督学习中,您有输入和标记输出,并且您怀疑输入和标记输出之间存在关系。当您既不知道标记输出是什么,也不知道关系存在时,无监督学习将帮助您找到数据中的结构(如果有)。
我们已经涵盖了机器学习的两个主要类别,但机器学习有四大类:
- 监督学习
- 无人监督的学习
- 半监督学习
- 强化学习
监督学习
监督学习是从监督训练数据推断功能的机器学习任务。培训 数据由一组训练样例组成。在监督学习中,每个示例都是由输入对象组成的对 (通常是矢量)和期望的输出值(也称为监控信号)。此外,监督学习可以作为2范式,分类和回归。
监督学习的基本流程图/步骤
- 收集训练集。
- 将训练集划分为输入对象(要素)和输出对象(类或值)
- 决定您将应用,回归或分类器
- 决定你将应用哪种算法,SVM,深网等
- 在训练集上运行算法并使用该模型进行预测
课程:
视频资源:
更多信息:
- 维基百科上的机器学习
- 机器学习揭秘:Youtube
- 如果您想要简要介绍机器学习,并且您更喜欢视频,请尝试使用此机器学习介绍视频
- 如果您想知道如何继续学习机器学习,请看一下这个视频