1.机器学习初体验

Posted 2020-09-21

机器学习：

1. 研究的是计算机怎么模拟人类的学习行为，以获取新的知识和技能，
2. 并重新组织已有的知识结构使之不断改善自身。
3. 简单一点说：就是计算机从数据(样本，实例)和一定的学习算法中学习出
4. 规律和模式，以应用在新数据上做预测的任务

今日头条：用机器学习挖掘个体用户感兴趣的新闻
表情检测
alphaGo 人机大战

学习 = 在某项任务上总结与积攒经验
1.在任务T上提升
2.用P作为评估标准
3.基于经验E

　　例子：中国象棋
　　1.任务T：下中国象棋
　　2.性能目标P：比赛中击败对手（的百分比）
　　3.训练经验E：计算机和计算机自己进行对弈，或者看棋谱学习

机器学习与人工智能：机器学习是一个人工智能的一个分支，也可以说是一个人工智能的一个实现方式。


思考？
　　如何设计无人驾驶机动车？
　　　　传统的方式：提前熟悉每条路况，提前告诉计算机，哪里去哪里怎么走。 这很复杂
　　　　　　　　　　无法处理突发事件
　　　　机器学习方式：设计一套机制，给一些初始数据，让它试着开一开
　　　　　　　　　　　效果好，就再接再厉。效果不好，就改正
　　　　　　　　　　　自己去学习，自己反馈
　　　　　　　　　　　增强式学习
　　　　　　　　　　　有摄像头识别路况，图像识别
机器学习算法分类：
监督学习：（分类预测，回归分析）例如用户点击/购买预测，房价预测 告诉了样本当前样本的结果
无监督学习：（聚类，关联规则）例如邮件/新闻聚类 提前不知道有多少类，按标题特征聚类
强化学习：（Q-learning，时间差学习）例如动态系统以及机器人控制

　　监督学习：样本中告诉了结果

　　监督学习算法：训练/学习（样本带有结果）-》预测（去预测结果）

　　无监督学习：样本无target
　　　　　　　　把特征相近的样本放在一堆
　　　　　　　　自己探索和发现

　　增强式学习/RL:行为认知发下的机器学习分支
　　　　　　　　　Agent感知环境，做出动作，根据奖惩状态feedback做出调整和悬着

连续值（continuous）：按数据的input和output 比如房价 200万 205万 206.5万。
离散（Categorical）： 按数据的input和output 邮件分类，正常邮件，垃圾邮件，结果只有两个值

 

如何选取适合样本的机器学习算法？