目錄

1、人工智能、機器學習、深度學習三者之間的關系

2、什么是機器學習

?3、機器學習相關技術

---

1、人工智能、機器學習、深度學習三者之間的關系

• 人工智能：設計眾多領域，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的目標；

• 機器學習：顧名思義，就是如何讓機器具有學習的能力，是如何實現人工智能要采取的手段；

• 深度學習：指自動將簡單的特征組合成更復雜的特征，并用這些特征來解決問題。

??????? 綜上，三者之間存在的包含關系，可以用下圖來表示：

2、什么是機器學習？

先舉4個例子，看機器學習最終想要達到的效果：

• 語音識別：向程序輸入一段音頻，利用訓練得到的最優的函數進行測試，結果可以正確的輸出音頻中的內容；
• 圖像分類：向程序輸入一張圖片，利用訓練得到的最優的函數進行測試，結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該下在哪里；
• 對話系統：使用者說一句話，系統會做出相應的回復；

具體來說，機器學習可以看做是找函數的過程，機器學習可以分為兩部分：訓練和測試。機器學習的結果如何主要看訓練的如何，其核心有3步：

有一個龐大的函數集合Function Set；

在龐大的函數集合Function Set中對各個函數進行訓練，機器可以根據訓練資料判斷一個function是好的，還是不好的。，

最后找到那個可以使結果輸出最優的函數 f* ，并用最優的函數 f*進行測試。

?3、機器學習相關技術

?1）監督學習

適用于有大量的標簽的數據，主要有回歸、分類、結構化：

• 回歸：給出一些已知的樣本，可以對今后的結果做出預測，如預測房價、天氣等；
• 分類
  • 二分類：對輸入結果做預測，輸出0或1
  • 多分類：對輸入結果做預測，輸出類別多，Class1、Class2、Class3......；
• 結構化

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）半監督學習：一部分是帶有標簽的樣本，一部分是沒有標簽的樣本，利用有標簽的樣本進行學習，無標簽的樣本來提升學習的性能；

3）無監督學習：全部樣本都不帶標簽，想做到“無師自通”，主要來揭示數據內在的性質及規律，常用于聚類，

經典的算法：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、流形學習

4）遷移學習：包含有標簽的樣本和一部分是無標簽的樣本，其中含有很多不相干的照片，需要區分；

5）強化學習：包括智能體agent、環境、狀態、動作。智能體的目標是使用一些策略，做合適的動作，取得最大化的獎勵。

?

?

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。