柚子快報(bào)激活碼778899分享：人工智能 初識(shí)機(jī)器學(xué)習(xí)

http://yzkb.51969.com/

前言

????????隨著人工智能的不斷發(fā)展，機(jī)器學(xué)習(xí)這門(mén)技術(shù)也越來(lái)越重要，筆者之前打數(shù)模比賽的時(shí)候，零零碎碎學(xué)過(guò)一點(diǎn)，但是還是一知半解，模棱兩可，沒(méi)有形成一個(gè)系統(tǒng)的知識(shí)體系，所以現(xiàn)在開(kāi)始進(jìn)行系統(tǒng)的學(xué)習(xí)，下面都是筆者自己的一些學(xué)習(xí)經(jīng)驗(yàn)，希望對(duì)你有所幫助。

一、什么是機(jī)器學(xué)習(xí)？

? ? ? ? 談到機(jī)器學(xué)習(xí)，很多人可能聽(tīng)過(guò)這個(gè)詞語(yǔ)，卻不知道其真正的內(nèi)容。? 機(jī)器學(xué)習(xí)起源于上世紀(jì)50年代，1959年在IBM工作的Arthur Samuel設(shè)計(jì)了一個(gè)下棋程序，這個(gè)程序具有學(xué)習(xí)的能力，它可以在不斷的對(duì)弈中提高自己。像我們熟知的alphago就是這樣一個(gè)下棋的程序，不過(guò)它的學(xué)習(xí)能力更強(qiáng)大。

????????機(jī)器學(xué)習(xí)，顧名思義，就是讓機(jī)器去學(xué)習(xí)，計(jì)算機(jī)通過(guò)對(duì)大量數(shù)據(jù)的處理，發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)含的規(guī)律。機(jī)器學(xué)習(xí)也是有方式的，根據(jù)對(duì)數(shù)據(jù)處理方式的不同，可以分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。

二、機(jī)器學(xué)習(xí)的方式

1、監(jiān)督學(xué)習(xí)

?????????監(jiān)督學(xué)習(xí)就是使用已知的正確答案的示例來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，將已知的數(shù)據(jù)與標(biāo)記一一對(duì)應(yīng)，訓(xùn)練一個(gè)預(yù)測(cè)模型。這樣輸入未知數(shù)據(jù)，提取特征值，可以映射到相應(yīng)的標(biāo)記。常見(jiàn)的監(jiān)督學(xué)習(xí)使用例子有分類(lèi)問(wèn)題和回歸問(wèn)題。

? ? ? ? 常見(jiàn)的監(jiān)督學(xué)習(xí)算法：支持向量機(jī)(Support Vector Machine, SVM)，樸素貝葉斯(Naive Bayes)，邏輯回歸(Logistic Regression)，K近鄰(K-Nearest Neighborhood, KNN)，決策樹(shù)(Decision Tree)，隨機(jī)森林(Random Forest)，AdaBoost以及線性判別分析(Linear Discriminant Analysis, LDA)等。

? ? ? ? 還有，深度學(xué)習(xí)大多也是依靠監(jiān)督學(xué)習(xí)實(shí)現(xiàn)的。（關(guān)于深度學(xué)習(xí)的內(nèi)容，筆者后續(xù)會(huì)另出一篇文章介紹。）

2、非監(jiān)督學(xué)習(xí)

? ? ? ? 非監(jiān)督學(xué)習(xí)，適用于有數(shù)據(jù)集，但是并沒(méi)有特殊標(biāo)識(shí)的情況，通過(guò)監(jiān)督學(xué)習(xí)，可以發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的關(guān)系結(jié)構(gòu)。最常見(jiàn)的情況就是關(guān)聯(lián)規(guī)則的學(xué)習(xí)以及“聚類(lèi)”。

? ? ? ? 常見(jiàn)的非監(jiān)督學(xué)習(xí)算法：Apriori算法以及k-Means算法。

3、半監(jiān)督式學(xué)習(xí)

? ? ? ? 半監(jiān)督式學(xué)習(xí)，顧名思義，就是輸入的數(shù)據(jù)一部分有標(biāo)記，一部分沒(méi)有標(biāo)記，最適合用來(lái)進(jìn)行預(yù)測(cè)，像回歸預(yù)測(cè)，分類(lèi)等等。在日常使用情況下，就是通過(guò)對(duì)已標(biāo)記數(shù)據(jù)建模，在此基礎(chǔ)上，對(duì)未標(biāo)記數(shù)據(jù)進(jìn)行預(yù)測(cè)。

4、弱監(jiān)督式學(xué)習(xí)

? ? ? ? 這個(gè)概念比較難理解，可以簡(jiǎn)單的理解為，我們?cè)谶M(jìn)行監(jiān)督學(xué)習(xí)時(shí)，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)記標(biāo)簽，但是數(shù)據(jù)標(biāo)簽是不完整，不準(zhǔn)確的。例如在處理醫(yī)學(xué)影像時(shí)，專(zhuān)家標(biāo)記的成本高昂，常常只能獲得部分標(biāo)記或者不完全準(zhǔn)確的標(biāo)記。弱監(jiān)督學(xué)習(xí)可以用于從這些不完整的標(biāo)記中學(xué)習(xí)疾病檢測(cè)、分割或分類(lèi)模型。

? ? ? ? 人們?cè)谌粘Ｉ钪?，一般只關(guān)注前面兩種方法，但是由圖像識(shí)別時(shí)存在很多標(biāo)簽值的缺失，所以弱監(jiān)督學(xué)習(xí)在圖像識(shí)別方面發(fā)揮一定的作用，也是一個(gè)熱門(mén)的研究方向。

二、什么是神經(jīng)網(wǎng)絡(luò)

? ? ? ? 神經(jīng)網(wǎng)絡(luò)是人們受人腦神經(jīng)系統(tǒng)啟發(fā)研發(fā)設(shè)計(jì)的一種計(jì)算模型，可以說(shuō)，神經(jīng)網(wǎng)絡(luò)是整個(gè)機(jī)器學(xué)習(xí)，人工智能的核心。它由大量相互連接的簡(jiǎn)單單元（稱(chēng)為神經(jīng)元）組成，這些神經(jīng)元模擬了生物神經(jīng)元之間的信號(hào)傳遞過(guò)程。

圖片來(lái)源于：DeepLearning-500-questions

典型的神經(jīng)網(wǎng)絡(luò)由三種類(lèi)型的層組成：

輸入層：接收原始輸入數(shù)據(jù)，并將其傳遞到網(wǎng)絡(luò)中。 隱藏層：在輸入層和輸出層之間的層次，負(fù)責(zé)對(duì)輸入數(shù)據(jù)進(jìn)行特征提取和轉(zhuǎn)換。 輸出層：生成網(wǎng)絡(luò)的最終輸出，可能是分類(lèi)、回歸或其他類(lèi)型的預(yù)測(cè)結(jié)果。

總結(jié)

? ? ? ? 本文簡(jiǎn)單地講解了機(jī)器學(xué)習(xí)中，監(jiān)督學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)的概念，筆者能力有限，加之文章速成，講述中可能存在差錯(cuò)，希望大家可以批評(píng)指正。

柚子快報(bào)激活碼778899分享：人工智能 初識(shí)機(jī)器學(xué)習(xí)

http://yzkb.51969.com/

文章來(lái)源