什么是机器学习？

一、概述

• 机器学习是让计算机具有学习的能力，无需进行明确编程。 —— 亚瑟·萨缪尔，1959
• 计算机程序利用经验 E 学习任务 T，性能是 P，如果针对任务 T 的性能 P 随着经验 E 不断增长，则称为机器学习。 —— 汤姆·米切尔，1997

二、机器学习的类型

1. 监督学习

训练集有标签

• 主要算法

  • K近邻算法
  • 线性回归
  • 逻辑回归
  • 支持向量机（SVM）
  • 决策树和随机森林
  • 神经网络

• 分类

  • 垃圾邮件过滤器就是一个很好的例子：用许多带有归类（垃圾邮件或普通邮件）的邮件样本进行训练，过滤器必须还能对新邮件进行分类。

    img

• 回归

  • 预测目标数值，例如给出一些特征（里程数、车龄、品牌等等）称作预测值，来预测一辆汽车的价格

    img

2. 非监督学习

训练集没有标签

• 主要算法

  • 聚类

    • K 均值

    • 层次聚类分析（HCA）

    • 期望最大值

      img

  • 可视化与降维

    • 主成分分析（PCA）

    • 核主成分分析

    • 局部线性嵌入（LLE）

    • t-分布邻域嵌入算法（t-SNE）

      img

  • 异常检测

    img

  • 关联规则

    • Apriori 算法
    • Eclat 算法

3. 半监督学习

大量不带标签数据加上小部分带标签数据

• 主要算法

  • 深度信念网络（DBN）
  • 受限玻尔兹曼机（RBM）

• 案例

  • 比如 Google Photos，只要给每个人一个标签，算法就可以命名每张照片中的每个人，特别适合搜索照片

    img

4. 强化学习

学习系统在这里被称为智能体（agent），可以对环境进行观察，选择和执行动作，获得奖励（负奖励是惩罚）。然后它必须自己学习哪个是最佳方法（称为策略，policy），以得到长久的最大奖励。策略决定了智能体在给定情况下应该采取的行动。

• 主要算法

  • Q-learning
  img

5. 在线学习

用数据实例小批量持续地进行训练，每个学习步骤都很快且廉价，系统可以动态地学习新获得的数据

• 在线学习很适合系统接收连续流的数据（比如，股票价格），且需要自动对改变作出调整。一旦在线学习系统学习了新的数据实例，它就不再需要这些数据，可以节省大量的空间

  img

6. 实例学习vs模型学习

• 实例学习

  系统先用记忆学习案例，然后使用相似度测量推广到新的例子

  img

• 模型学习

  建立这些样本的模型，然后使用这个模型进行预测

  img

三、机器学习的使用

• 选择算法需要考虑的两个问题

  • 算法场景

    • 预测明天是否下雨，因为可以用历史的天气情况做预测，所以选择监督学习算法
    • 给一群陌生的人进行分组，但是我们并没有这些人的类别信息，所以选择无监督学习算法、通过他们身高、体重等特征进行处理

  • 数据类型

    • 需要收集或分析的数据是什么
    img

• 开发流程

  1. 收集数据: 收集样本数据
  2. 准备数据: 注意数据的格式
  3. 分析数据: 为了确保数据集中没有垃圾数据
     • 如果是算法可以处理的数据格式或可信任的数据源，则可以跳过该步骤
     • 另外该步骤需要人工干预，会降低自动化系统的价值
  4. 训练算法: 如果使用无监督学习算法，由于不存在目标变量值，则可以跳过该步骤
  5. 测试算法: 评估算法效果
  6. 使用算法: 将机器学习算法转为应用程序