人工智能基础 | 机器学习介绍（一）
文章目录
- 前言
- 一、机器学习中的学习方式
- 二、机器学习所面临的挑战
- 三、基本术语
- 四、国内公开数据集
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-glPfYqcG-1667143581711)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/公众号横幅-1.png)]
前言
以下内容是在学习过程中的一些笔记，难免会有错误和纰漏的地方。如果造成任何困扰，很抱歉。
什么是机器学习？
机器学习是一门通过编程让计算机从数据中进行学习的科学（和艺术）。下面是一个稍微通用一点的定义：机器学习是一个研究领域，让计算机无须进行明确编程就具备学习能力。——亚瑟·萨缪尔（Arthur Samuel），1959
机器学习就是一种机器处理问题使用拟人化方式的一种解决方案，通过自主性的学习问题处理方式来解决问题，在生活中，我们常常说的小红书、淘宝等厂家的大数据算法推荐，都是基于用户习惯进行学习，来给用户推荐最合适的产品/文章。
人的大脑是非常复杂的，机器学习如何通过这种拟人化的学习处理方式来解决实际问题？我们先从人类的大脑开始构思，人的大脑都是由无数个神经元构成，神经元之间相互通过脉络链接，组成一个庞大的神经元网络。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-39j1lMKA-1667143581712)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/头脑风暴-11.png)]
当人看到一只猫？抑或是一只狗时，神经元网络会如何处理这些信息？
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YMZL0BBr-1667143581712)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/猫狗动态图机器学习.gif)]
当一组图像输入到神经网络中，会被拆解成无数个可识别的/不可识别的标签，经过层层算法递进，找到最终自认为正确的一个结果（是猫是狗或是其它）。
单个神经网络由多个互联的神经元构成，组织形式叫层，某一层的神经元会将消息传递到其下一层神经元（术语为“发射”），这即是神经网络的运行方式。具有单个线性层的模型叫做感知器，如果模型中含有多个线性层，则称之为多层感知器（MLP）。
事实上，机器学习的模型就是一种计算函数的方法，这个函数把对应的输入映射到对应的输出上，在这个过程中，通过损失函数（待优化的内容）的一些度量指标，逐渐不断的将模型修正。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P3JpwQ6e-1667143581712)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/插画图-20221017-01.png)]
一、机器学习中的学习方式
在机器学习中，根据学习方式不同，大致归为了如下几类
-
监督学习，Supervised Learning，对事先处理过的带有标签的数据组进行训练及量化，常见的方式有分类（类别，如球鞋、皮鞋、拖鞋等）与回归（连续性数据，如耗电量、气温等）。
给你一组西瓜数据，告诉你数据的最终结果，X1+X2+X3=Y。
-
无监督学习，Unsupervised Learning，对没有标签的数据进行建模，对没有事先标记的、无法事先处理的数据进行自动分类/分群，常用的算法有聚类算法及数据降维。
给你一组西瓜数据，不告诉你数据的最终结果，X1，X2，X3。
-
强化学习，通过自动调整策略获取最大期望回报，自主探索寻找最佳模型，例如AI下棋。
-
元学习/AutoML - Meta Learning，将机器学习应用于现实问题的端到端流程自动化的过程，从特征工程、模型构建、超参优化三方面实现自动化。
二、机器学习所面临的挑战
首先我们要清楚，一个机器学习的训练系统构成大致分为了四个步骤
- 数据预处理 -> 相当于数据的准备；
- 算法学习 -> 根据数据的具体情况选择合适的机器学习方式，根据不同的精度选择合适的算法；
- 模型验证；
- 模型预测；
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-A6H25jSs-1667143581713)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/机器学习入门-机器学习系统构成-2.jpg)]
训练数据量不足
在模型的训练构建中，往往需要大量的数据进行学习，大部分机器学习算法需要大量的数据才能正常工作。即使是最简单的问题，很可能也需要成千上万个示例。
为此，我们往往可以去获取一些公开的数据集，辅佐我们进行机器学习。
数据不具代表性
训练数据与结果之间尽可能的存在强关联关系，如训练数据与结果之间关联性较差，使用不具代表性的训练集训练出来的模型不可能做出准确的预估。
例如我想售卖一双毛茸茸的靴子，我前往热带地区进行宣传销售，获取人们的购买意向，显然是不大合理的。
低质量数据与无关特征
一个满是错误的训练集显然是毫无价值的，所以检查训练集也需要一定的时间，只有训练数据里包含足够多的相关特征以及较少的无关特征，系统才能够完成学习。一个成功的机器学习项目，其关键部分是提取出一组好的用来训练的特征集。这个过程叫作特征工程。
三、基本术语
下面将与周志华老师一起通过西瓜举例
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TL9XKixl-1667143581713)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/吃了一半在碗里的西瓜-1.png)]
- 数据集：训练集、测试集
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EYfrAqZ0-1667143581713)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/机器学习基础-数据集划分-1.png)]
- 示例（instance）、样例（example）
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mTYYTXg4-1667143581714)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/机器学习基础-示例样例划分-1.png)]
- 样本（sample）
- 属性、特征（feature）、属性值
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Q0k8gdjW-1667143581714)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/机器学习基础-属性特征划分-1.png)]
- 属性空间、样本空间、输入空间
- 特征向量
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HaLenfST-1667143581714)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/机器学习基础-属性空间划分-1.png)]
- 标记空间、输出空间
四、国内公开数据集
| 链接 |
|---|
| 数据集-阿里系唯一对外开放数据分享平台 (aliyun.com) |
| 开放数据集- 飞桨AI Studio - 人工智能学习实训社区 (baidu.com) |
| Find Open Datasets for AI Projects | Graviti |
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Np1eUQyl-1667143581714)(https://csdn-pic-1301850093.cos.ap-guangzhou.myqcloud.com/csdn-pic/小星球-1.png)]