机器学习

PS:最近在看台大李宏毅老师和吴恩达老师的机器学习课程,同时也看了点周志华老师的西瓜书以及动物书,也浏览了知乎上很多答案,由于看的内容不及几分,还有很多继续看完学完,只是算是基本有了些了解,明白了机器学习和数据挖掘,数据分析的区别,以及深度学习与机器学习的区别,机器学习中入门概念等。还是一边总结一边学习。事实上,做笔记还是电子更方便,也更容易补充,但是做计划我还喜欢写出来。——7.16

1.机器学习

  • 从字面意义上来讲,机器学习是一门让计算机通过重复学习,从而模拟或实现人类的学习操作的一门学科。
  • 分为监督学习和无监督学习,监督学习和无监督学习区别在数据是否有标签(label),监督学习为先通过已知的训练样本(如已知输入和对应的输出)来训练,从而得到一个最优模型,也就从众多假设中找到最合适的假设,再将这个模型应用在新的数据上,用于对测试数据预测出最接近真相的结果。无监督学习相比于有监督,没有训练的过程,而是直接拿数据进行建模分析,意味着这些都是要通过机器学习自行学习探索。

2.机器学习与数据挖掘

  • 机器学习,更注重于模型的训练, 偏于过程。
  • 数据挖据,更注重于获得有效数据,重在目的。
  • 实际上,数据挖掘=大数据+机器学习,(大数据是对各种数据的一种描述),实际并没有明显的界限。
  • 大数据是指在从大量数据中寻找“有趣的信息”,而机器学习是实现数据挖掘的途径。

3.机器学习与深度学习

  • 机器学习(Machine Learning,ML)是人工智能的子领域,也是人工智能的核心。它囊括了几乎所有对世界影响最大的方法(包括深度学习)。机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。

    举个例子,假设要构建一个识别猫的程序。传统上如果我们想让计算机进行识别,需要输入一串指令,例如猫长着毛茸茸的毛、顶着一对三角形的的耳朵等,然后计算机根据这些指令执行下去。但是如果我们对程序展示一只老虎的照片,程序应该如何反应呢?更何况通过传统方式要制定全部所需的规则,而且在此过程中必然会涉及到一些困难的概念,比如对毛茸茸的定义。因此,更好的方式是让机器自学。

    我们可以为计算机提供大量的猫的照片,系统将以自己特有的方式查看这些照片。随着实验的反复进行,系统会不断学习更新,最终能够准确地判断出哪些是猫,哪些不是猫。

  • 深度学习(DeepLearning,DL)属于机器学习的子类。它的灵感来源于人类大脑的工作方式,是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并非是一个全新的概念,可理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果,人们对神经元的连接方法以及激活函数等方面做出了调整。其目的在于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,如文本、图像、声音。

  • (第3部分该部分来源https://baijiahao.baidu.com/s?id=1624500448515634322&wfr=spider&for=pc)

你可能感兴趣的:(机器学习)