人工智能导论入门（二.机器学习基础）

本文主要是介绍人工智能导论入门（二.机器学习基础），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

首先我们要明白 人工智能 机器学习 深度学习的关系。

其中 人工智能 > 机器学习 > 深度学习

               什么是机器学习？

从字面意思来理解的话，就是使得“机器”具有学习的能力，从而能够自主工作，解放人类生产力。

那么官方解释：专门研究计算机怎么模拟或实现人类的学习行为，以或得新知识或技能。

                机器学习的一般过程

从上图我们可以得知所谓的机器学习就是：让机器从大量数据或者历史经验中，学习某种习性-----找到一个适合的函数，然后对新的场景中的数据进行预测。

                  机器学习发展历史

                 机器学习应用场景

1.搜索引擎

2.信息推荐

3.图片识别

4.用户分析

5.机器翻译，摘要生成

6.自动驾驶

机器学习方法

1.有监督学习(supervised learning):从给定的有标注的训练数据集中学习出一个函数（模型参数），然后用这个函数去预测新的数据得到结果。

• 常见任务有：分类 和 回归
• 分类问题输出的是物体所属的类别，回归问题输出的是物体的值。

2.无监督学习(unsupervised learning):没有标注的训练数据集，根据样本之间的统计规律对样本数据进行分析。

• 常见任务有：聚类
• 所谓聚类，“物以类聚”。就是按照特征分类

3.半监督学习：结合(少量)标注训练数据和(大量的)未标注数据来进行数据的分类学习。

• 这里不常见，不过由于数据标注是一个繁琐，枯燥又要求一定的技术水平。所以实现智能标注是未来的一大趋势。
• 近期百度EasyDL平台实现了智能标注，原理：先标注少量数据训练一个较为优良的模型，然后利用这个模型去标注未标注的数据集。(套娃操作)

4.强化学习：外部环境对输出只给出评价信息而非正确答案，学习机通过强化受奖励的动作来改善自身的性能。

• 还记得高中生物课本中：狗狗闻到肉会流口水，铃声一响，喂狗狗吃肉…如此一段时间下来，铃声一响，狗狗就流口水。(好像是这样子的)

5.多任务学习：把多个相关的任务放在一起同时学习。

• 现实世界中很多问题不能分解为一个一个独立的子问题，并且这样子忽略了问题之间所包含的丰富的关联信息。多任务学习就是为了解决这个问题而诞生的。

这篇关于人工智能导论入门（二.机器学习基础）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！