柚子快報(bào)邀請(qǐng)碼778899分享：機(jī)器學(xué)習(xí) 人工智能技術(shù)概述

http://yzkb.51969.com/

1.機(jī)器學(xué)習(xí)定義

? ? ? ? 廣義上來(lái)說(shuō)，機(jī)器學(xué)習(xí)指專門研究計(jì)算機(jī)怎么模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為以獲取新的知識(shí)或技能的學(xué)科，使計(jì)算機(jī)重新組織已有的組織結(jié)構(gòu)并不斷改善自身的性能。更加精確地說(shuō)，一個(gè)機(jī)器學(xué)習(xí)的程序就是可以從經(jīng)驗(yàn)數(shù)據(jù)E中對(duì)任務(wù)T進(jìn)行學(xué)習(xí)的算法，它在任務(wù)T的性能度量P會(huì)隨著對(duì)于經(jīng)驗(yàn)數(shù)據(jù)E的學(xué)習(xí)而便得更好。

2.機(jī)器學(xué)習(xí)分類

? ? ? ? 首先，按照學(xué)習(xí)模式的不同，機(jī)器學(xué)習(xí)可分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。其中，監(jiān)督學(xué)習(xí)需要提供標(biāo)注的樣本集，無(wú)監(jiān)督學(xué)習(xí)不需要提供標(biāo)注的樣本集，半監(jiān)督學(xué)習(xí)需要提供少量標(biāo)注的樣本，而強(qiáng)化學(xué)習(xí)需要反饋機(jī)制。

? ? ? ? （1）監(jiān)督學(xué)習(xí)

? ? ? ? ?監(jiān)督學(xué)習(xí)是利用已標(biāo)記的有限訓(xùn)練數(shù)據(jù)集，通過(guò)某種學(xué)習(xí)策略/方法建立一個(gè)模型，從而實(shí)現(xiàn)對(duì)新數(shù)據(jù)/實(shí)例的標(biāo)記（分類）/映射。

? ? ? ? （2）無(wú)監(jiān)督學(xué)習(xí)

? ? ? ? ?無(wú)監(jiān)督學(xué)習(xí)是利用無(wú)標(biāo)記的有限數(shù)據(jù)描述隱藏在未標(biāo)記數(shù)據(jù)中的結(jié)構(gòu)/規(guī)律。

? ? ? ? （3）半監(jiān)督學(xué)習(xí)

? ? ? ? ?半監(jiān)督學(xué)習(xí)介于監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)之間，可以利用少量的標(biāo)注樣本和大量的未標(biāo)識(shí)樣本進(jìn)行訓(xùn)練和分類，從而達(dá)到減少標(biāo)注代價(jià)、提高學(xué)習(xí)能力的目的。

? ? ? ? （4）強(qiáng)化學(xué)習(xí)

? ? ? ? ?強(qiáng)化學(xué)習(xí)可以學(xué)習(xí)從環(huán)境狀態(tài)到行為的映射，使得智能體選擇的行為能夠獲得環(huán)境的最大獎(jiǎng)賞，最終目標(biāo)是使外部環(huán)境對(duì)學(xué)習(xí)系統(tǒng)在某種意義下的評(píng)價(jià)最佳。

? ? ? ? 其次，按照學(xué)習(xí)方法的不同，機(jī)器學(xué)習(xí)可分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。區(qū)別在于，傳統(tǒng)機(jī)器學(xué)習(xí)的領(lǐng)域特征需要手動(dòng)完成，且需要大量領(lǐng)域?qū)I(yè)知識(shí)；深度學(xué)習(xí)不需要人工特征提取，但需要大量的訓(xùn)練數(shù)據(jù)集以及強(qiáng)大的GPU服務(wù)器來(lái)提供算力。

? ? ? ? （1）傳統(tǒng)機(jī)器學(xué)習(xí)

? ? ? ? 傳統(tǒng)機(jī)器學(xué)習(xí)從一些觀測(cè)（訓(xùn)練）樣本出發(fā)，試圖發(fā)現(xiàn)不能通過(guò)原理分析獲得的規(guī)律，實(shí)現(xiàn)對(duì)未來(lái)數(shù)據(jù)行為或趨勢(shì)的準(zhǔn)確預(yù)測(cè)。

? ? ? ? （2）深度學(xué)習(xí)

? ? ? ? 深度學(xué)習(xí)是一種基于多層神經(jīng)網(wǎng)絡(luò)并以海量數(shù)據(jù)作為輸入規(guī)則的自學(xué)習(xí)方法，依靠提供給它的大量實(shí)際行為數(shù)據(jù)（訓(xùn)練數(shù)據(jù)集），進(jìn)行參數(shù)和規(guī)則調(diào)整。深度學(xué)習(xí)算法網(wǎng)絡(luò)的隱藏層數(shù)量多，算法復(fù)雜，相比傳統(tǒng)機(jī)器學(xué)習(xí)，深度學(xué)習(xí)更注重特征學(xué)習(xí)的重要性。典型的深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等。

? ? ? ? 最后，機(jī)器學(xué)習(xí)的常見算法還包括遷移學(xué)習(xí)、主動(dòng)學(xué)習(xí)和演化學(xué)習(xí)。

? ? ? ? （1）遷移學(xué)習(xí)

? ? ? ? ?遷移學(xué)習(xí)是指當(dāng)前在某些領(lǐng)域無(wú)法取得足夠多的數(shù)據(jù)進(jìn)行模型訓(xùn)練時(shí)，利用另一領(lǐng)域數(shù)據(jù)獲得的關(guān)系進(jìn)行的學(xué)習(xí)。

? ? ? ? （2）主動(dòng)學(xué)習(xí)

? ? ? ? ?主動(dòng)學(xué)習(xí)通過(guò)一定的算法查詢最有用的未標(biāo)記樣本，并交由專家進(jìn)行標(biāo)記，然后用查詢到的樣本訓(xùn)練分類模型來(lái)提高模型的精度。

? ? ? ? （3）演化學(xué)習(xí)

? ? ? ? 演化學(xué)習(xí)基于演化算法提供的優(yōu)化工具設(shè)計(jì)機(jī)器學(xué)習(xí)算法，針對(duì)機(jī)器學(xué)習(xí)任務(wù)中存在大量的復(fù)雜優(yōu)化問(wèn)題，應(yīng)用于分類、聚類、規(guī)則發(fā)現(xiàn)、特征選擇等機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘問(wèn)題中。?

3.機(jī)器學(xué)習(xí)綜合應(yīng)用

? ? ? ? 如今，機(jī)器學(xué)習(xí)已經(jīng)“無(wú)處不在”，應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，包括數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語(yǔ)言處理、語(yǔ)音和手寫識(shí)別、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、信用卡欺詐檢測(cè)、證券市場(chǎng)分析、汽車自動(dòng)駕駛、軍事決策?等。

4.機(jī)器學(xué)習(xí)的未來(lái)

? ? ? ? 機(jī)器學(xué)習(xí)雖然取得了長(zhǎng)足的進(jìn)步，也解決了很多實(shí)際問(wèn)題，但是客觀地講，機(jī)器學(xué)習(xí)領(lǐng)域仍然存在著巨大的挑戰(zhàn)。

? ? ? ? 首先，主流的機(jī)器學(xué)習(xí)技術(shù)是黑箱技術(shù)，因此就無(wú)法預(yù)知暗藏的危機(jī)，為解決這個(gè)問(wèn)題，需要讓機(jī)器學(xué)習(xí)具有可解釋性、可干預(yù)性。其次，目前主流的機(jī)器學(xué)習(xí)的計(jì)算成本很高，亟待發(fā)明輕量級(jí)的機(jī)器學(xué)習(xí)算法。另外，在物理、化學(xué)、生物、社會(huì)科學(xué)中，人們常常用一些簡(jiǎn)單而美的方程（比如像薛定諤方程這樣的二階偏微分方程）來(lái)描述表象背后的深刻規(guī)律。那么在機(jī)器學(xué)習(xí)領(lǐng)域也視圖能追求到簡(jiǎn)單而美的規(guī)律。

? ? ? ? 如此的挑戰(zhàn)還有很多，但是由于機(jī)器學(xué)習(xí)領(lǐng)域具有巨大的研究和應(yīng)用潛能，研究者們對(duì)于這個(gè)領(lǐng)域未來(lái)的發(fā)展仍然充滿信心。

柚子快報(bào)邀請(qǐng)碼778899分享：機(jī)器學(xué)習(xí) 人工智能技術(shù)概述

http://yzkb.51969.com/

推薦閱讀