机器学习基础

机器学习

第一章：机器学习基础 第二章：线性回归 第三章：逻辑回归 第四章：BP 神经网络 第五章：卷积神经网络 第六章：循环神经网络 第七章：决策树与随机森林 第八章：支持向量机 第九章：隐马尔科夫 第十章：聚类等算法 ...

---

---

前言

机器学习是从人工智能中产生的一个重要学科分支，是实现智能化的关键

---

一、人工智能的诞生

达特茅斯会议标志着人工智能这一学科的诞生
1956年夏 ------美国达特茅斯学院
J. McCarthy, M. Minsky, N. Lochester, C. E. Shannon,
H.A. Simon, A. Newell, A. L. Samuel 等10余人

John McCarthy (1927 - 2011):

1971年获图灵奖, 1985年获IJCAI终身成就奖。人工智能之父。他提出了“人工智能”
的概念，设计出函数型程序设计语言Lisp，发展了递归的概念，提出常识推理和情境
演算。出生于共产党家庭，从小阅读《10万个为什么》，中学时自修CalTech的数学
课程，17岁进入CalTech时免修两年数学，22岁在Princeton获博士学位，37岁担任
Stanford大学AI实验室主任。

二、机器学习是什么？

从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。
1）“训练”与“预测”是机器学习的两个过程，“模型”则是过程的中间输出结果，“训练”产生“模型”，“模型”指导 “预测”。
2）机器学习方法是计算机利用已有的数据(经验)，得出了某种模型(迟到的规律)，并利用此模型预测未来(是否迟到)的一种方法。
3）通过周志华老师西瓜书上面的描述我们可以将典型的机器学习过程表示为下图：

三、机器学习能做什么？

2.1 小数据集上

现在我们从小数据集上来观察机器学习的厉害之处：
以古文献修复为例：

一个重要问题：
原书籍已经变成分散且混杂的多个书页，如何拼接相邻的书页？
人工完成书页拼接十分困难

• 书页数量大，且分布在多处
• 部分损毁较严重，字迹模糊
• 需要大量掌握古文字的专业人才
  近年来，古文献的数字化浪潮给自动文学修复提供了机会
  以色列特拉维夫大学的学者将机器学习用于自动的书页拼接
  

2.2 大数据集上

比如：帮助奥巴马胜选
通过机器学习模型：

1）在总统候选人第一次辩论后，分析出哪些选民将倒戈，为每位选民找出一个最能说服他的理由
2）精准定位不同选民群体，建议购买冷门广告时段，广告资金效率比2008年提高14%
3）向奥巴马推荐，竞选后期应当在什么地方展开活动 —— 那里有很多争取对象
4）借助模型帮助奥巴马筹集到创纪录的10亿美元
…

3.3 具体实例

由于我研究反向是智能驾驶和路径规划，所以我将通过自动驾驶来解释，下图为机器学习自动驾驶上的应用：

四、基本术语

总结

大数据时代，机器学习必不可少,收集、传输、存储大数据的目的，是为了“利用”大数据，没有机器学习技术分析大数据，“利用”无从谈起。