機器學習檢視原始碼討論檢視歷史

機器學習原圖鏈接來自 萊迪思博客 的圖片

機器學習是人工智能的一個分支。人工智能的研究歷史有着一條從以「推理」為重點，到以「知識」為重點，再到以「學習」為重點的自然、清晰的脈絡。顯然，機器學習是實現人工智能的一個途徑，即以機器學習為手段解決人工智能中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動「學習」的算法。機器學習算法是一類從數據中自動分析獲得規律，並利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論，機器學習與推斷統計學聯繫尤為密切，也被稱為統計學習理論。算法設計方面，機器學習理論關注可以實現的，行之有效的學習算法。很多推論問題屬於無程序可循難度，所以部分的機器學習研究是開發容易處理的近似算法。

機器學習已廣泛應用於數據挖掘、計算機視覺、自然語言處理、生物特徵識別、搜索引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機器人等領域。

定義

機器學習有下面幾種定義：

• 機器學習是一門人工智能的科學，該領域的主要研究對象是人工智能，特別是如何在經驗學習中改善具體算法的性能。

• 機器學習是對能通過經驗自動改進的計算機算法的研究。

• 機器學習是用數據或以往的經驗，以此優化計算機程序的性能標準。

分類

機器學習可以分成下面幾種類別：

• 監督學習從給定的訓練數據集中學習出一個函數，當新的數據到來時，可以根據這個函數預測結果。監督學習的訓練集要求是包括輸入和輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的。常見的監督學習算法包括回歸分析和統計分類。

監督學習和非監督學習的差別就是訓練集目標是否人標註。他們都有訓練集 且都有輸入和輸出

• 無監督學習與監督學習相比，訓練集沒有人為標註的結果。常見的無監督學習算法有生成對抗網絡（GAN）、聚類。
• 半監督學習介於監督學習與無監督學習之間。

• 增強學習機器為了達成目標，隨着環境的變動，而逐步調整其行為，並評估每一個行動之後所到的回饋是正向的或負向的。

視頻

機器學習 相關視頻

機器學習的基本概念 人工智能：什麼是機器學習和深度學習