机器学习概述

1.什么是人工智能，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

• 机器学习，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，机器学习研究在子学科都会应用。
  
• 计算机视觉，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，研究计算机理解人类语言的相关技术。
  
• 语音处理，研究计算机理解、识别、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，执行人的指令和算法，在执行之前人已经给出了解决方法，无法超越人的思想和认知范围。
人工智能，尝试突破人的思想和认知范畴，使得计算机拥有自主的的学习能力，尝试解决传统计算机无法解决的难题。
4.什么是机器学习，百度的定义如下：
“机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计 算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能核心，是使计算机具有智能的根本途径。”
4.1我们为什么需要机器学习。
实现程序的自我升级。
解决那些过于复杂的算法问题，甚至是没有已知算法的问题。
从机器学习中获得洞见，启发人类。
5.机器学习的形式
5.1建模问题，基本形式就是对已有数据进行统计、推理的方法，来寻找一个接受特定的输入X，并给出预期输出Y功能的函数。
5.2评估问题，针对已知的输入，函数给出输出与实际的目标值存在一定的误差，因此需要构建一个评估体系，根据误差得到大小判定模型的优劣。
5.3优化问题，学习的核心是改善性能，通过对数据和算法的反复训练，不断通过提升函数预测的准确性，直至获得满足实际需求的最优解，这个过程就是机器学习。
6.机器学习的分类
6.1有监督、无监督、半监督
有监督学习，在对已知数据标注的情况下对模型进行训练，根据输出进行调整和优化称为有监督学习。
无监督学习，没有已知输出的学习，仅仅根据数据输入的相关性进行类别的划分。
半监督，先通过无监督学习对类别进行划分，再通过人工标记的方式来实现预测输出。
强化学习，通过对不同决策成果得到奖励、惩罚、使用机器学习系统在经过足够长的训练时间后，越来越倾向于期望的结果输出。
6.2批量学习，增量学习
批量学习，将学习过程和应用过程区分开来，用全部的训练数据训练模型，然后再再实际应用场景中进行预测，当预测结果不理想的时候重新回到学习过程，循环往复。
增量学习，将学习过程和应用过程统一起来，在应用的同时，使用新的数据不断地迭代训练，一边预测，一边训练。
6.3基于模型学习、基于实例的学习
基于模型的学习，根据样本数量建立输入和输出之间的数学关系。
基于实例的学习，根据以往的经验，寻找待预测与已输入样本之间的相似程度，预测结果。
7.机器学习实现的一般过程

• 数据收集，手工采集或者来源于数据库，公开资料或者爬虫等。
  
• 数据清洗，数据规范、剔除误差较大和无意义数据。
  
• 模型选择，分类、回归等。
  
• 训练模型
  
• 模型评估
  
• 测试模型
  
• 应用模型
  
• 模型维护
  

8.机器学习的典型应用

• 股票价格的预测
  
• 推荐系统
  
• 自然语言处理
  
• 语音处理，语音识别、语音合成等
  
• 图像是识别、人脸识别
  

9.机器学习的基本问题
9.1回归问题，根据已知的输入和输出找出最佳性能的模型，预测得到连续的输出，例如根据房屋的面积、年龄、地段预测房屋的价格。
9.2分类问题，根据已知的输入和输出找出最佳性能的模型，预测得到离散的输出，例如手写文字的识别，工业品的检测等。
9.3聚类问题，根据已知输入的相似度，将其划分为不同的群落，比如根据花蕊的长度划分品种。
9.4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，使得数据规模缩小的问题。
10.数据的预处理
目的，去除无效的数据，不规范的数据，错误的数据；补齐缺失值，对数据范围、量纲、格式、类型进行统一的处理。
数据预处理的方法：
标准化，也称为均值移除，让样本数据中每一列的数据均值为0，标准差为1,。
范围缩放，让数据更加规范，是的特征范围具有可比性，将样本矩阵中的每一列最小值和最大值设定为相同的空间，统一个特征值得范围。
归一化，使得数据限定在一定的范围内，从而消除奇异样本导致的不良影响。
二值化，有些情况下不需要分析详细数据，将特征使用0和1表示，二值化后数组中的元素非0即1，但需要注意这个过程是不可逆的，且过程中会有信息的损失。
独热编码，根据一个特征中值的个数来建立一个由1和若干个0组成的序列，用序列值对所有的特征值进行编码。
标签编码，根据字符串形式的特征值在特征序列中的位置，来为其确定一个数字标签、

机器学习概述

不错 支持下