目錄

1、人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)三者之間的關(guān)系

2、什么是機器學(xué)習(xí)

?3、機器學(xué)習(xí)相關(guān)技術(shù)

---

1、人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)三者之間的關(guān)系

• 人工智能：設(shè)計眾多領(lǐng)域，如自然語言處理NLP，語音識別，圖像識別等，這也是人類最終想要實現(xiàn)的目標(biāo)；

• 機器學(xué)習(xí)：顧名思義，就是如何讓機器具有學(xué)習(xí)的能力，是如何實現(xiàn)人工智能要采取的手段；

• 深度學(xué)習(xí)：指自動將簡單的特征組合成更復(fù)雜的特征，并用這些特征來解決問題。

??????? 綜上，三者之間存在的包含關(guān)系，可以用下圖來表示：

2、什么是機器學(xué)習(xí)？

先舉4個例子，看機器學(xué)習(xí)最終想要達(dá)到的效果：

• 語音識別：向程序輸入一段音頻，利用訓(xùn)練得到的最優(yōu)的函數(shù)進(jìn)行測試，結(jié)果可以正確的輸出音頻中的內(nèi)容；
• 圖像分類：向程序輸入一張圖片，利用訓(xùn)練得到的最優(yōu)的函數(shù)進(jìn)行測試，結(jié)果可以輸出正確的分類；
• 下圍棋：向程序輸入一個19 * 19 的棋盤，哪些是黑子，哪些是白子，程序會輸出下一步應(yīng)該下在哪里；
• 對話系統(tǒng)：使用者說一句話，系統(tǒng)會做出相應(yīng)的回復(fù)；

具體來說，機器學(xué)習(xí)可以看做是找函數(shù)的過程，機器學(xué)習(xí)可以分為兩部分：訓(xùn)練和測試。機器學(xué)習(xí)的結(jié)果如何主要看訓(xùn)練的如何，其核心有3步：

有一個龐大的函數(shù)集合Function Set；

在龐大的函數(shù)集合Function Set中對各個函數(shù)進(jìn)行訓(xùn)練，機器可以根據(jù)訓(xùn)練資料判斷一個function是好的，還是不好的。，

最后找到那個可以使結(jié)果輸出最優(yōu)的函數(shù) f* ，并用最優(yōu)的函數(shù) f*進(jìn)行測試。

?3、機器學(xué)習(xí)相關(guān)技術(shù)

?1）監(jiān)督學(xué)習(xí)

適用于有大量的標(biāo)簽的數(shù)據(jù)，主要有回歸、分類、結(jié)構(gòu)化：

• 回歸：給出一些已知的樣本，可以對今后的結(jié)果做出預(yù)測，如預(yù)測房價、天氣等；
• 分類
  • 二分類：對輸入結(jié)果做預(yù)測，輸出0或1
  • 多分類：對輸入結(jié)果做預(yù)測，輸出類別多，Class1、Class2、Class3......；
• 結(jié)構(gòu)化

解決問題用到的模型主要有線性和非線性的，基本都是使用非線性的。

經(jīng)典的算法：支持向量機SVM、線性回歸、邏輯回歸、隨機森林、決策樹、樸素貝葉斯

2）半監(jiān)督學(xué)習(xí)：一部分是帶有標(biāo)簽的樣本，一部分是沒有標(biāo)簽的樣本，利用有標(biāo)簽的樣本進(jìn)行學(xué)習(xí)，無標(biāo)簽的樣本來提升學(xué)習(xí)的性能；

3）無監(jiān)督學(xué)習(xí)：全部樣本都不帶標(biāo)簽，想做到“無師自通”，主要來揭示數(shù)據(jù)內(nèi)在的性質(zhì)及規(guī)律，常用于聚類，

經(jīng)典的算法：K-Means聚類算法、模糊C均值聚類、譜聚類、主成分分析PCA、自組織映射、受限玻爾茲曼機、流形學(xué)習(xí)

4）遷移學(xué)習(xí)：包含有標(biāo)簽的樣本和一部分是無標(biāo)簽的樣本，其中含有很多不相干的照片，需要區(qū)分；

5）強化學(xué)習(xí)：包括智能體agent、環(huán)境、狀態(tài)、動作。智能體的目標(biāo)是使用一些策略，做合適的動作，取得最大化的獎勵。

?

?

總結(jié)

以上是生活随笔為你收集整理的李宏毅机器学习 之 机器学习介绍（一）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。