機(jī)器學(xué)習(xí)入門介紹

厚怡 2022-06-16 發(fā)布于山東

展開全文

開始系統(tǒng)學(xué)習(xí)一下機(jī)器學(xué)習(xí)了，本專欄是個人筆記，如有不當(dāng)之處，還請諒解。

機(jī)器學(xué)習(xí)是一項不斷發(fā)展的技術(shù)，它使計算機(jī)能夠從過去的數(shù)據(jù)中自動學(xué)習(xí)。機(jī)器學(xué)習(xí)使用各種算法來構(gòu)建數(shù)學(xué)模型并使用歷史數(shù)據(jù)或信息進(jìn)行預(yù)測。目前，它被用于各種任務(wù)，例如圖像識別、語音識別、電子郵件過濾、Facebook 自動標(biāo)記、推薦系統(tǒng)等等。

一、什么是機(jī)器學(xué)習(xí)？

在現(xiàn)實生活中，我們?nèi)?，可以通過自己的學(xué)習(xí)能力，從別人身上學(xué)習(xí)他們的經(jīng)驗（包括能力等）。但是機(jī)器也能像人類一樣從經(jīng)驗或過去的數(shù)據(jù)中學(xué)習(xí)嗎？所以機(jī)器學(xué)習(xí)的作用就來了。
網(wǎng)圖

機(jī)器學(xué)習(xí)被稱為人工智能的一個子集，主要關(guān)注算法的開發(fā)，這些算法允許計算機(jī)自行從數(shù)據(jù)和過去的經(jīng)驗中學(xué)習(xí)。機(jī)器學(xué)習(xí)一詞由Arthur Samuel在1959 年首次提出。我們可以概括地定義為：

機(jī)器學(xué)習(xí)使機(jī)器能夠自動從數(shù)據(jù)中學(xué)習(xí)，從經(jīng)驗中提高性能，并在沒有明確編程的情況下預(yù)測事物。

在樣本歷史數(shù)據(jù)（稱為訓(xùn)練數(shù)據(jù)）的幫助下，機(jī)器學(xué)習(xí)算法構(gòu)建了一個數(shù)學(xué)模型，該模型有助于做出預(yù)測或決策，而無需明確編程。機(jī)器學(xué)習(xí)將計算機(jī)科學(xué)和統(tǒng)計學(xué)結(jié)合在一起，用于創(chuàng)建預(yù)測模型。機(jī)器學(xué)習(xí)構(gòu)建或使用從歷史數(shù)據(jù)中學(xué)習(xí)的算法。我們提供的信息越多，性能就越高。

機(jī)器學(xué)習(xí)能力取決于它是否可以獲取更多數(shù)據(jù)來提高其性能。

二、機(jī)器學(xué)習(xí)如何工作？

機(jī)器學(xué)習(xí)系統(tǒng)從歷史數(shù)據(jù)中學(xué)習(xí)，構(gòu)建預(yù)測模型，并在收到新數(shù)據(jù)時預(yù)測其輸出。預(yù)測輸出的準(zhǔn)確性取決于數(shù)據(jù)量，因為大量數(shù)據(jù)有助于構(gòu)建更好的模型，從而更準(zhǔn)確地預(yù)測輸出。
假設(shè)我們有一個復(fù)雜的問題，我們需要執(zhí)行一些預(yù)測，所以我們不需要為它編寫代碼，只需將數(shù)據(jù)提供給通用算法，在這些算法的幫助下，機(jī)器按照數(shù)據(jù)并預(yù)測輸出。機(jī)器學(xué)習(xí)改變了我們思考問題的方式。下面的框圖解釋了機(jī)器學(xué)習(xí)算法的工作原理：
在這里插入圖片描述

三、機(jī)器學(xué)習(xí)的特點

機(jī)器學(xué)習(xí)從給定的數(shù)據(jù)去檢測新的數(shù)據(jù)。
它可以從過去的數(shù)據(jù)中學(xué)習(xí)并自動改進(jìn)。
機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘非常相似，因為它也處理大量數(shù)據(jù)。

四、機(jī)器學(xué)習(xí)的需求

對機(jī)器學(xué)習(xí)的需求與日俱增。之所以需要機(jī)器學(xué)習(xí)，是因為它能夠完成過于復(fù)雜而無法直接執(zhí)行的任務(wù)。作為人，我們有一些限制，因為我們無法手動訪問大量數(shù)據(jù)，所以為此，我們需要一些計算機(jī)系統(tǒng)，而機(jī)器學(xué)習(xí)可以讓我們輕松應(yīng)對。

我們可以通過向機(jī)器學(xué)習(xí)算法提供大量數(shù)據(jù)來訓(xùn)練它們，并讓它們自動探索數(shù)據(jù)、構(gòu)建模型并預(yù)測所需的輸出。機(jī)器學(xué)習(xí)算法的性能取決于數(shù)據(jù)量，可以由成本函數(shù)決定。在機(jī)器學(xué)習(xí)的幫助下，我們可以節(jié)省時間和金錢。

機(jī)器學(xué)習(xí)的重要性可以通過它的用例很容易理解，目前機(jī)器學(xué)習(xí)被用于自動駕駛汽車、網(wǎng)絡(luò)欺詐檢測、人臉識別、Facebook 的好友推薦等。淘寶，拼多多，京東等多家司都有構(gòu)建使用大量數(shù)據(jù)的機(jī)器學(xué)習(xí)模型來分析用戶興趣并相應(yīng)地推薦產(chǎn)品。

機(jī)器學(xué)習(xí)重要性的一些關(guān)鍵點：

數(shù)據(jù)生產(chǎn)的快速增長
解決人們難以解決的復(fù)雜問題
包括金融在內(nèi)的各個部門的決策
發(fā)現(xiàn)隱藏的模式并從數(shù)據(jù)中提取有用的信息

五、機(jī)器學(xué)習(xí)的分類

在廣義上，機(jī)器學(xué)習(xí)可以分為三種類型：

監(jiān)督學(xué)習(xí)
無監(jiān)督學(xué)習(xí)
強(qiáng)化學(xué)習(xí)

5.1 監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，我們向機(jī)器學(xué)習(xí)系統(tǒng)提供樣本標(biāo)記數(shù)據(jù)（打上標(biāo)簽的數(shù)據(jù)）以對其進(jìn)行訓(xùn)練，并在此基礎(chǔ)上預(yù)測輸出。

系統(tǒng)使用標(biāo)記數(shù)據(jù)創(chuàng)建模型來理解數(shù)據(jù)集并了解每個數(shù)據(jù)，完成訓(xùn)練和處理后，我們就會通過提供樣本數(shù)據(jù)來測試模型，以檢查它是否預(yù)測了準(zhǔn)確的輸出。

監(jiān)督學(xué)習(xí)的目標(biāo)是將輸入數(shù)據(jù)與輸出數(shù)據(jù)進(jìn)行映射。監(jiān)督學(xué)習(xí)是基于監(jiān)督的，就像學(xué)生在老師的監(jiān)督下學(xué)習(xí)一樣。監(jiān)督學(xué)習(xí)的例子是垃圾郵件過濾。

監(jiān)督學(xué)習(xí)可以進(jìn)一步分為兩類算法：

分類
回歸

5.2 無監(jiān)督學(xué)習(xí)

無監(jiān)督學(xué)習(xí)是一種機(jī)器在沒有任何監(jiān)督的情況下學(xué)習(xí)的學(xué)習(xí)方法。使用未標(biāo)記、分類或分類的數(shù)據(jù)集向機(jī)器提供訓(xùn)練，并且算法需要在沒有任何監(jiān)督的情況下對該數(shù)據(jù)進(jìn)行操作。無監(jiān)督學(xué)習(xí)的目標(biāo)是將輸入數(shù)據(jù)重構(gòu)為新特征或具有相似模式的一組對象。

在無監(jiān)督學(xué)習(xí)中，我們沒有預(yù)先確定的結(jié)果。機(jī)器試圖從大量數(shù)據(jù)中找到有用的結(jié)果。它可以進(jìn)一步分為兩類算法：

聚類
關(guān)聯(lián)

5.3 強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)是一種基于反饋的學(xué)習(xí)方法，其中學(xué)習(xí)代理對每個正確的動作都獲得獎勵，并為每個錯誤的動作獲得懲罰。代理會根據(jù)這些反饋自動學(xué)習(xí)并提高其性能。在強(qiáng)化學(xué)習(xí)中，代理與環(huán)境交互并對其進(jìn)行探索。代理的目標(biāo)是獲得最多的獎勵積分，從而提高其性能。

5.4 目前的機(jī)器學(xué)習(xí)

現(xiàn)在機(jī)器學(xué)習(xí)的研究有了很大的進(jìn)步，它無處不在，比如自動駕駛汽車、亞馬遜Alexa、Catboats、推薦系統(tǒng)等等。它包括有監(jiān)督、無監(jiān)督和強(qiáng)化學(xué)習(xí)，包括聚類、分類、決策樹、SVM 算法等。

現(xiàn)代機(jī)器學(xué)習(xí)模型可用于進(jìn)行各種預(yù)測，包括天氣預(yù)報、疾病預(yù)測、股市分析等。