机器学习概论

一、机器学习概述

1、机器学习与人工智能、深度学习的关系

• 人工智能：机器展现的人类智能
• 机器学习：计算机利用已有的数据(经验)，得出了某种模型，并利用此模型预测未来的一种方法。
• 深度学习：实现机器学习的一种技术

2、机器学习的范围

 3、机器学习可以解决什么问题

 给定数据的预测问题：

• 数据清洗/特征选择
• 确定算法模型/参数优化
• 结果预测

 二、机器学习的类型

 1、监督学习

分类（Classification）

• 身高1.65m，体重100kg的男人肥胖吗？
• 根据肿瘤的体积、患者的年龄来判断良性或恶性？

回归（Regression、Prediction）

• 如何预测上海浦东的房价？
• 未来的股票市场走向？

2、无监督学习

 聚类（Clustering）

• 如何将教室里的学生按爱好、身高划分为5类？

降维（ Dimensionality Reduction ）

• 如何将将原高维空间中的数据点映射到低维度的空间中？

3、强化学习

强化学习（Reinforcement Learning）

• 用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题 。

三、机器学习的开发流程

1、机器学习的一般步骤

 

 2、数据决定一切

通过这张图可以看出，各种不同算法在输入的数据量达到一定级数后，都有相近的高准确度。于是诞生了机器学习界的名言： 

成功的机器学习应用不是拥有最好的算法，而是拥有最多的数据！