• 一文走进机器学习的世界


    作者 | 武博士、宋知达、袁雪瑶、聂文韬

    人类需要经过各式各样的学习才有办法认识这个世界。 

    当小朋友第一次看到猫后,可能会问爸爸妈妈,这个胖乎乎有胡子的可爱动物是什么。当父母告诉她:这就是猫的时候,她就会理解到,这种生物就是猫。 以后她碰到各种各样的猫的时候,都能认得出来。

    计算机也是一样,在学习的过程中,可以自动找出“猫的具体特征”,以及形成自己一套识别方法,即使没有遇到的问题也可以按照原先的思路去解决。 

    但是,和人的学习略有不同,计算机是通过从大量的数据中找到规律,进行预测和分类,达到即使没有遇到过同类型的问题,它也能解决! 

    机器学习,顾名思义,机器可以像孩子一样学习。机器不再是简单运行人类程序的工具,它可以自己去学习!变得更加聪明! 

    机器学习大致上可以分为:监督学习、非监督学习、强化学习三类。 接下来我们依次说明这三类机器学习。

    监督学习

    在监督学习中,我们会将所有的数据和配对的答案都输入计算机,让计算机去学习这些数据的特征规则和答案之间的联系。

    在监督学习中:

    • 带有答案的数据是必须的,因为计算机在学习(训练)的过程中,不断在对答案,修正自己的问题。

    • 带有答案的数据的数量是巨大的,计算机没有我们想象中聪明,它需要在每次的错误中寻找自己的不足。目前少样本学习或者举一反三,还是只有人类能做到。

    监督学习大致可以分为分类问题和回归问题。 

    分类问题

    监督学习中,我们一直在举识别猫的例子,其实这是一种分类的过程,计算机可以将图片进行分类。分类不仅仅局限于图片,我们对于文字内容也可以进行分类哦。 

    很困扰我们的垃圾邮件就是可以通过计算机识别文字后,进行分类。

    计算机垃圾邮件的分类可不是像我们想象中那样,直接告诉你答案,它会进行垃圾邮件和正常邮件的概率标注。 比如这封邮件里面有大量的“折扣”、“促销”的字眼,是垃圾邮件的概率 92%。我们人类按照计算机具体给出的概率标注进行具体的区分。 

    除了图片、文字,计算机还可以区分声音。

    回归问题 

    一提到回归问题,好多小伙伴就会感到困惑,什么是回归?回到那儿呀?归到哪儿呀? 

    其实,回归问题就是预测问题,只不过,在机器学习领域,把它称作回归。 

    大家熟悉的口袋妖怪-宝可梦的攻击力,我们可以从历史数据中进行预测。

    回归就是从一堆数据中,找到能够准确找到这对数据的趋势线,得出一个具体数值的过程。

    分类和回归具体的区别:

    我们可以将天气预测为晴天、阴天、雨天、雪天,这就是分类的过程。但是如果预测具体的天气温度,就是回归。

    过度学习和懒散学习(过拟合问题和欠拟合问题)

    我们会不会这么想:是不是给计算机的数据越多,它就能越好地进行分类和回归呢。答案是“NO!” 

    计算机过度学习在学术上称为“过拟合” !

    我举一个自己特别痛苦的例子:在我上初中的时候,有一天老师通知我们说过一段时间要进行数学测验,大家好好复习。我就把课后题全部都做了 3 遍,心想,这次我的成绩肯定会很好! 但是,考试的时候,卷子发下来,发现是数学竞赛,我无语凝噎……

    但是,话说回来,如果连课后题都懒得会做,考试就无从谈起了。这就是“懒散学习”,得到结果恐怕不只是眼泪,可能还有肉体的摧残。 这就是“欠拟合“。

    写到这里,不禁对咱们中国儒家文化中的“中庸之道”暗自佩服!

    非监督学习

    世界中的许多问题,都不是监督学习能够解决的,因为好多连人类都不知道答案。

    机器学习中的非监督学习,就是让计算机分析一堆不知道答案的数据,然后找出结构和规则的过程。

    举例来说,电商对客户分类的过程,就是一种非监督学习。刚开始我们没有办法为客户贴上准确的标签,但是渐渐地,从不同客户群体购买记录、浏览记录中,就可以区分出一些共性特征,将其聚类。 我们经常收到的商品推荐服务,就是电商给某一类标签用户推荐他们可能喜欢的商品。

    强化学习

    人类会在成功与失败的教训中,学习到如何才能顺利达到目的。 

    我想大多数同学在小时候家长不在家的时候,都有过玩游戏和写作业之间的纠结。如果玩游戏,现在是爽到了,但是如果爸爸妈妈突然回来;如果明天老师检查……虽然头悬两把利剑,但是很多同学还是拿起了手柄和键盘。 

    写作业虽然现在很痛苦,但是如果爸妈突然回家,如果考试成绩很好,好处大大滴。 

    想必是先有了痛苦的经历,很多同学痛定思痛,还是拿起了笔,写作业。

    同样的,计算机可以由尝试错误的方式,经历多次失败和成功,然后学习到规律。失败和成功完全就是以奖励的多少决定——这就是强化学习。 

    让我们大众熟悉人工智能的 AlphaGo ,基本原理就是强化学习。

    转自:  https://mp.weixin.qq.com/s/bHqQdp2B9NCiEC5SNsBbRA

  • 相关阅读:
    数据结构-树与二叉树-思维导图
    The last packet successfully received from the server was 2,272 milliseconds ago. The last packet sent successfully to the server was 2,258 milliseconds ago.
    idea连接mysql报错Server returns invalid timezone. Go to 'Advanced' tab and set 'serverTimezone' property
    redis学习笔记
    AJAX校验注册用户名是否存在
    AJAX学习笔记
    JSON学习笔记
    JQuery基础知识学习笔记
    Filter、Listener学习笔记
    三层架构学习笔记
  • 原文地址:https://www.cnblogs.com/YiYA-blog/p/10654326.html
Copyright © 2020-2023  润新知