机器学习

人工智能的先驱亚瑟·塞缪尔(Arthur Samuel)在1959年将机器学习定义为“研究领域,使计算机无需明确编程即可学习。”

CMU的Tom Mitchell教授提供了一个更正式的机器学习定义:

“据说计算机程序可以从经验E中学习某些任务T和绩效测量P,如果它在T中的任务中的表现,由P测量,随着经验E而提高。”

考虑下棋的机器学习算法的例子。在这个例子中, E指的是下棋的经验, T是下棋的任务, P表示程序将赢得下一场国际象棋的概率。

机器学习与人类学习方式完全一样。例如,如果一个人想要学习如何玩扑克,它将首先学习规则。然后它将尝试通过玩游戏获得经验。这种体验只不过是一台机器的庞大数据集,通过它可以做出明智的决策来解决所提出的问题。

通常,机器学习问题可以分为监督学习和无监督学习。在监督学习中,您有输入和标记输出,并且您怀疑输入和标记输出之间存在关系。当您既不知道标记输出是什么,也不知道关系存在时,无监督学习将帮助您找到数据中的结构(如果有)。

我们已经涵盖了机器学习的两个主要类别,但机器学习有四大类:

  1. 监督学习
  2. 无人监督的学习
  3. 半监督学习
  4. 强化学习

监督学习

监督学习是从监督训练数据推断功能的机器学习任务。培训 数据由一组训练样例组成。在监督学习中,每个示例都是由输入对象组成的对 (通常是矢量)和期望的输出值(也称为监控信号)。此外,监督学习可以作为2范式,分类和回归。

监督学习的基本流程图/步骤

  1. 收集训练集。
  2. 将训练集划分为输入对象(要素)和输出对象(类或值)
  3. 决定您将应用,回归或分类器
  4. 决定你将应用哪种算法,SVM,深网等
  5. 在训练集上运行算法并使用该模型进行预测

课程:

  1. 机器学习简介
  2. 机器学习 - 教授:Andrew Ng
  3. 使用Python进行数据科学和机器学习 - 动手实践!
  4. 机器学习
  5. 分析边缘 - 教授:麻省理工学院

视频资源:

  1. Siraj Raval的Youtube频道
  2. Sentdex的Youtube频道

更多信息:

  1. 维基百科上的机器学习
  2. 机器学习揭秘:Youtube
  3. 如果您想要简要介绍机器学习,并且您更喜欢视频,请尝试使用此机器学习介绍视频
  4. 如果您想知道如何继续学习机器学习,请看一下这个视频

实验室

使用Azure Machine Learning Studio构建智能应用程序


Contributing to the Guide

This open source guide is curated by thousands of contributors. You can help by researching, writing and updating these articles. It is an easy and fun way to get started with contributing to open source.