姓名：张潇圣
学号：17011223232
转载自：http://mp.weixin.qq.com/s/x862NJ3iHS5pGVXhd-uf3w 有删改
【嵌牛导读】自从阿尔法狗战胜世界各大围棋高手后，人工智能不可一世，现在机器学习进行得如火如荼。但是好多人的数学基础和编程能力并不是很强，那么该如何尽可能快地适应机器学习环境，从而进行研究呢？
【嵌牛鼻子】人工智能、机器学习、深度学习、算法
【嵌牛提问】人工智能发展现状如何？人工智能、深度学习、机器学习、增强学习之间有什么关系？有哪些机器学习算法比较适合入门？
【嵌牛正文】
根据维基百科的解释，人工智能是被机器展示的智力，与人类和其他动物的自然智能相反，在计算机科学中 AI 研究被定义为 “代理人软件程序”：任何能够感受周围环境并且能最大化它成功机会的设备。
从去年的3月份，阿尔法狗（AlphaGo）与当时世界排名第四、职业九段棋手李世石，进行围棋人机大战，以 4:1 总比分获胜。之后，美国白宫发布了《为未来人工智能做好准备》和《美国国家人工智能研究与发展策略规划》两份重磅报告，详细阐述了美国未来的人工智能发展规划以及人工智能给政府工作带来的挑战与机遇。半年前，AlphaGo Master 战胜世界冠军柯洁。10月，DeepMind 团队公布了最强版本 AlphaGo， 代号 AlphaGo Zero，并以碾压的实力战胜了AlphaGo。这就是人工智能发展史上的最重大的一系列事件。
人工智能是一个大类，包括专家系统、知识表示、机器学习等等，其中机器学习是目前最火也是发展最好的一个分支，机器学习中又包括监督学习、非监督学习、深度学习，增强学习等等。
监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的）。再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。
非监督学学习则是另一种研究的比较多的学习方法，它与监督学习的不同之处，在于我们事先没有任何训练样本，而需要直接对数据进行建模。非监督学习就是在实现不知道数据集分类的情况下在数据中寻找特征。
深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。深度学习，作为机器学习中延伸出来的一个领域，被应用在图像处理与计算机视觉，自然语言处理以及语音识别等领域。深度学习，作为机器学习中延伸出来的一个领域，被应用在图像处理与计算机视觉，自然语言处理以及语音识别等领域。
增强学习也是机器学习一个重要的分支，是通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断。
机器学习的简单算法有决策树、最临近取样、支持向量机等。
判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。比如说，现有一个数据集，表示一些的人的年龄、收入、是否是学生、信用、是否会买电脑。年龄有年轻，中年，老年三种；收入有高中低；信用有一般和很好。数据及保存在 AllElectronics.csv 中。现在在有一个新的人（数据），要判断这个人是否会买电脑。
最临近取样就是把已有数据分成几类，对新输入的数据计算与已知数据的距离，距离哪一个近，就把新数据分到哪一类，例如下图所示的电影分类，对于最后一行未知电影类型的电影，根据打斗次数和接吻次数，距离浪漫型更近，应该被归类为浪漫型电影。比如说，irisdata.txt 实在网上下载的鸢尾属植物数据集，根据数据集合，对新的数据进行分类。
支持向量机（SVM）是从线性可分情况下的最优分类面发展而来。最优分类面就是要求分类线不但能将两类正确分开 (训练错误率为 0), 且使分类间隔最大。SVM 考虑寻找一个满足分类要求的超平面 , 并且使训练集中的点距离分类面尽可能的远 , 也就是寻找一个分类面使它两侧的空白区域最大。这两类样本中离分类面最近的点且平行于最优分类面的超平面上 H1,H2 的训练样本就叫做支持向量。
网友评论