一：什么是机器学习？（Machine Learning）

定义

机器学习是一种实现人工智能的方法。

从数据中寻找规律、建立关系，根据建立的关系去解决问题。

从数据中学习实现自我优化与升级。

二：机器学习与计算机程序的差异

例如：小明1个月工资1000，每月增长10%，问第10个月小明的工资是多少？

传统算法：

y = 1000 × 1.1 x

月份 x 工资 y
1 1000
2 1100
3 1210
4 1331
5 1464
6 1610
7 1771
8 1984
9 2143
10 2357

输入：第一个月的工资，以及计算公式

处理：计算机进行运算

输出：结果，第10月的工资

机器学习

输入：月份、每月的工资

处理：计算机进行分析，得出一个 F(x) 公式

输出：预测结果

三：机器学习的应用场景

  • 数据挖掘
  • 计算机视觉
  • 自然语言处理
  • 证券分析
  • 医学诊断
  • 机器人
  • DNA测序

由上可知：机器学习是实现人工智能的主流方法！

四：实现机器学习的基本框架

将训练数据喂给计算机，计算机自动求解数据关系，在新的数据上做出预测或者给出建议。

数据 👉 数据关系 👉 预测、建议 👉 解决问题

五：机器学习的类别

  • 监督学习（Supervised Learning）
    • 训练数据包括正确的结果（标签 - label）
    • 可画出类别界限
    • 应用
      • 人类识别
      • 语音翻译
      • 医学诊断
  • 无监督学习（Unsupervised Learning）
    • 训练数据不包括正确的结果
    • 可以对数据进行类别划分，但不能画出界限
    • 应用
      • 新闻聚类
  • 半监督学习（Semi-supervised Learning）
    • 训练数据包括少量正确的结果
    • 可以对数据进行类别划分，能画出界限
    • 即混合学习
  • 强化学习（Reinforcement Learning）
    • 根据每次结果收获的奖惩进行学习，实现优化
    • 过程
      • 程序初始化
      • 根据执行效果给与奖励或者惩罚（分数）
      • 程序逐步寻找获得高分的方法
    • 应用
      • AlphaGo