干货！28张PPT讲清楚主流机器学习算法概述

Posted 2021-04-03 IT有得聊

人工智能（AI）算法按照训练样本数据的标注程度可以分为“监督式学习”和“无监督学习”两大阵营，而近年来业界热度比较高的“半监督学习”和“强化学习”可以算是这两大类经典AI算法阵营的衍生物。

监督式学习与无监督式学习算法的重要区别在于预先获取数据样本中是否有标注。所谓标注的概念非常简单，例如在互联网中对于一张猫的图片可以标注为“1”（是猫）或“0”（不是猫），这里的“1”和“0”就是标注信息，标注可能是离散型数值也可能是连续型数值，甚至也可能是名词类数据。

 

监督式学习包含了基于离散标注数据进行分析预测“分类算法”和基于连续性标注数据进行分析的“回归算法”。无监督式学习主要包含了聚类算法和关联分析类算法。分类算法作为一种需要借助预先标注信息进行分析输出的算法占据了业界应用的主流。近年来业界很流行的神经网络、深度学习本质属于分类算法的范畴。

随着算力的增强，深度学习之类的算法越来越在人工智能领域大放异彩，相比传统机器学习算法预测精度受限、复杂的超参调试、过拟合等问题，业界的算法应用普遍倾向于深度学习，不过深度学习本质上还是基于线性回归的衍生算法，没有完全摆脱线性算法的一些天然限制，例如分类精度受限等。另外，在如何解决样本受限、缺少有效训练标准样本等问题，业界也在进行不断探索，如果感兴趣，可以读读下面推荐这本书的第9章，也许有更清晰的认知。

推荐阅读

（点击封面可进入详情页面）

关键词：5G 网络优化 网络规划 网络架构 无线网络

适合人群：信息与通信工程领域技术人员和科研人员

本书将系统理论与工程实践有机结合，以3GPP为理论基础，对5G系统的组网架构、无线网络新技术特点和基本流程原理进行了阐述，同时，结合5G无线网络优化实践，针对性地介绍了相关技术原理和解决方案。本书重点关注5G无线网络优化技术，同时介绍了与5G无线网络优化生产实践相关的一些新技术领域（如人工智能、边缘计算、网络切片等），以便读者扩充知识体系，更深刻理解5G的内涵和外延。