Python 全栈体系【四阶】（四）
第四章 机器学习
一、人工智能概述
1. 什么是人工智能
人工智能（Artificial Intelligence）是计算机科学的一个分支学科，主要研究用计算机模拟人的思考方式和行为方式，从而在某些领域代替人进行工作。
2. 人工智能的学科体系
以下是人工智能学科体系图：
- 机器学习（Machine Learning）：人工智能的一个子学科，研究人工智能领域的基本算法、原理、思想方法，机器学习研究的内容在其它子学科都会用到
- 计算机视觉（Computer Vision）：研究计算机处理、识别、理解图像、视频的相关技术
- 自然语言处理（Natural Language Processing）：研究计算机理解人类自然语言的相关技术
- 语言处理：研究计算机理解识别、理解、合成语音的相关技术
3. 人工智能与传统软件的区别
传统软件：执行人的指令和想法，在执行之前人已经有了解决方案，无法超越人的思想和认识范围
人工智能：尝试突破人的思想和认识范围，让计算机学习到新的能力，尝试解决传统软件的难题
二、机器学习基本概念
1. 什么是机器学习
1975 年图灵奖获得者、1978 年诺贝尔经济学奖获得者、著名学者赫伯特.西蒙（Herbert Simon）曾下过一个定义：如果一个系统，能够通过执行某个过程，就此改进了它的性能，那么这个过程就是学习。由此可看出，学习的目的就是改善性能。
卡耐基梅隆大学机器学习和人工智能教授汤姆.米切尔（Tom Mitchell）在他的经典教材《机器学习》中，给出了更为具体的定义：对于某类任务（Task，简称 T）和某项性能评价准则（Performance，简称 P），如果一个计算机在程序 T 上，以 P 作为性能度量，随着经验（Experience，简称 E）的积累，不断自我完善，那么我们称计算机程序从经验 E 中进行了学习。
例如，篮球运动员投篮训练过程：球员投篮（任务 T），以准确率为性能度量（P），随着不断练习（经验 E），准确率不断提高，这个过程称为学习。
2. 为什么需要机器学习
程序自我升级
解决那些算法过于复杂，甚至没有已知算法的问题
在机器学习的过程中，协助人类获得事物的洞见
3. 机器学习的形式
3.1 建模问题
所谓机器学习，在形式上可近似等同于在数据对象中通过统计、推理的方法，来寻找一个接受特定输入 X，并给出预期输出 Y 功能函数 f，即 Y = f ( x ) Y = f(x) Y=f(x)。这个函数以及确定函数的参数被称为模型。
3.2 评估问题
针对已知的输入，函数给出的输出（预测值）与实际输出（目标值）之间存在一定误差，因此需要构建一个评估体系，根据误差大小判定函数的优劣。
3.3 优化问题
学习的核心在与改善性能，通过数据对算法的反复锤炼，不断提升函数预测的准确性，直至获得能够满足实际需求的最优解，这个过程就是机器学习。
4. 机器学习的分类（重点）
4.1 有监督、无监督、半监督学习
4.1.1 有监督学习
在已知数据输出（经过标注的）的情况下对模型进行训练，根据输出进行调整、优化的学习方式称为有监督学习。
- 在训练数据中，有输出数据（类别标签）的为有监督学习。
4.1.2 无监督学习
没有已知输出的情况下，仅仅根据输入信息的相关性，进行类别的划分。
- 在训练数据中，没有输出数据（类别标签）的为无监督学习。
4.1.3 半监督
先通过无监督学习划分类别，再人工标记通过有监督学习方式来预测输出.例如先对相似的水果进行聚类，再识别是哪个类别。
4.1.4 强化学习
通过对不同决策结果的奖励、惩罚，使机器学习系统在经过足够长时间的训练以后，越来越倾向于接近期望结果的输出。
4.2 批量学习、增量学习
4.2.1 批量学习
将学习过程和应用过程分开，用全部训练数据训练模型，然后再在应用场景中进行预测，当预测结果不够理想时，重新回到学习过程，如此循环。
4.2.2 增量学习
将学习过程和应用过程统一起来，在应用的同时，以增量的方式不断学习新的内容，边训练、边预测。
4.3 基于模型学习、基于实例学习
4.3.1 基于模型的学习
根据样本数据，建立用于联系输出和输出的某种数学模型，将待预测输入带入该模型，预测其结果。例如有如下输入输出关系：
| 输入（x） | 输出（y） |
|---|---|
| 1 | 2 |
| 2 | 4 |
| 3 | 6 |
| 4 | 8 |
根据数据，得到模型 y = 2 x y = 2x y=2x
预测：输入 9 时，输出是多少？
4.3.2 基于实例的学习
根据以往经验，寻找与待预测输入最接近的样本，以其输出作为预测结果（从数据中心找答案）。例如有如下一组数据：
| 学历(x1) | 工作经验(x2) | 性别(x3) | 月薪(y) |
|---|---|---|---|
| 本科 | 3 | 男 | 8000 |
| 硕士 | 2 | 女 | 10000 |
| 博士 | 2 | 男 | 15000 |
预测：本科，3，男 ==> 薪资？
5. 机器学习的一般过程（重点）
5.1 数据收集
手段如手工采集、设备自动化采集、爬虫等
5.2 数据清洗
数据规范、具有较大误差的、没有意义的数据进行清理
- 注：以上称之为数据处理，包括数据检索、数据挖掘、爬虫…
5.3 选择模型（算法）
5.4 训练模型
5.5 模型评估
5.6 测试模型
- 注：3~6 步主要是机器学习过程，包括算法、框架、工具等…
5.7 应用模型
5.8 模型维护
6. 机器学习的典型应用
股价预测
推荐算法
自然语言处理
语音处理：语音识别、语音合成
图像识别、人脸识别
……
7. 机器学习的基本问题（重点）
7.1 回归问题
根据已知的输入和输出，寻找某种性能最佳的模型，将未知输出的输入代入模型，得到连续的输出。例如：
- 根据房屋面积、地段、修建年代以及其它条件预测房屋价格
- 根据各种外部条件预测某支股票的价格
- 根据农业、气象等数据预测粮食收成
- 计算两个人脸的相似度
（预测值为连续值）
7.2 分类问题
根据已知的输入和输出，寻找性能最佳的模型，将未知输出的输入带入模型，得到离散的输出。例如：
- 手写体识别（10 个类别分类问题）
- 水果、鲜花、动物识别
- 工业产品瑕疵检测（良品、次品二分类问题）
- 识别一个句子表达的情绪（正面、负面、中性）
（预测值为离散值）
7.3 聚类问题
根据已知输入的相似程度，将其划分为不同的群落，例如：
- 根据一批麦粒的数据，判断哪些属于同一个品种
- 根据客户在电商网站的浏览和购买历史，判断哪些客户对某件商品感兴趣
- 判断哪些客户具有更高的相似度
7.4 降维问题
在性能损失尽可能小的情况下，降低数据的复杂度，数据规模缩小都称为降维问题.
8. 机器学习大纲
