机器学习概览

集体智慧 everyinch 274℃ 0评论
  • 机器学习是一门通过编程让计算机从数据中进行学习的科学(和艺术)
  • 机器学习是一个研究领域,让计算机无须进行明确编程就具备学习能力。
  • 一个计算机程序利用经验 E 来学习任务 T,性能是 P,如果针对任务 T 的性能 P 随着经验 E 不断增长,则称为机器学习。

机器学习的应用示例:

  • 分析生产线上的产品图像来对产品进行自动分类(分类问题,使用CNN)
  • 通过脑部扫描发现肿瘤(语义分割,CNN)
  • 自动分类新闻(自然语言处理的文本分类,RNN、CNN 或 Transformer)
  • 论坛中自动标记恶评(文本分类)
  • 自动对长文章做总结(文本总结)
  • 创建一个聊天机器人或者个人助理(自然语言理解和问答模块)
  • 基于很多性能指标来预测公司下一年的收入(回归模型)
  • 让应用对语音命令做出反应(语音识别)
  • 检测信用卡欺诈(异常检测)
  • 基于客户的购买记录来对客户进行分类,对每一类客户设计不同的市场策略(聚类问题)
  • 用清晰而有洞察力的图表来表示复杂的高纬度数据集(数据可视化的降维技术)
  • 基于以前的购买记录给客户推荐可能感兴趣的产品(推荐系统)
  • 为游戏建造智能机器人(强化学习)

机器学习的分类:

  • 有监督学习:提供给算法的包含所需解决方案的训练集称为标签。
  • 无监督学习:训练数据集是未经标记的,系统会在没有老师的情况下进行学习。
  • 半监督学习:处理部分已标记的数据。
  • 强化学习:它的学习系统(智能体)能够观察环境,做出选择,执行动作,并获得回报。
  • 批量学习:学习新数据,需要再完整数据集(包括新数据和旧数据)的基础上重新弄训练系统的新版本,然后停用旧系统,用新系统取代。
  • 在线学习:循序渐进地给系统提供训练数据,逐步积累学习成果。
  • 基于实例的学习:系统用心学习示例,然后通过使用相似度度量来比较新实例和已经学习的实例,从而泛化新实例。
  • 基于模型的学习:从一组示例集中实现泛化的另一种方法是构建这些示例的模型,然后使用该模型进行预测。
分享&收藏

转载请注明:陈童的博客 » 机器学习概览

喜欢 (3)
发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
(1)个小伙伴在吐槽
  1. 这篇文章写得深入浅出,让我这个小白也看懂了!
    jiyouzhan2024-05-15 15:50 回复
'; } if( dopt('d_footcode_b') ) echo dopt('d_footcode'); ?>