美文网首页
机器学习之引言

机器学习之引言

作者: 有志者说 | 来源:发表于2017-11-28 00:03 被阅读21次

    从去年就开始就考虑学习AI的相关知识,但每次看点入门知识就放弃了,因为确实有点难,智商不太够用,/(ㄒoㄒ)/~~。不过形势所迫,不玩点有难度的早晚要沦落成diduan人口,被AI这玩意驱逐出地球。哎,为了全人类,还是破釜沉舟背水一战吧!


    AI的影响

    最近找了很多资料,看了好几个公开课,发现还是大神Andrew NG在Coursera的机器学习课程比较适合初学者。现在决定在2个月之内,利用业余时间学完该课程的所有内容,并且在公众号里面记录笔记和心得体会,之所以选择这样一种方式主要还是想监督自己,毕竟这个课程在网络上很火,已经有很多人整理过相关的笔记。


    机器学习课程主页

    本课程总共18课,114小节,每节讲一个知识点,时间在10分钟左右。计划每节写一遍笔记心得,特别简单的小节可能会合并到一起,比如第1课引言中的前两节,比较容易理解都整理在本篇,下面正式开始!

    1.1 Welcome

    1.举例说明机器学习被用来做什么?

    机器学习已经得到了很广泛的应用,比如谷狗,度娘的搜索技术,Facebook或Apple的图片分类程序,电子邮件垃圾邮件筛选器等等。课程中演示了一个自动飞行器,这让我们相信汽车自动驾驶时代很快就会到来。

    2.机器学习为什么越来越流行?

    目前机器学习不只用于人工智能领域,它已经成为计算机一种新的能力(NewCapability),应用于很多方面,课程中提到了数据挖掘,自动化技术,理解人类思维了解人类大脑等等。下面是一个稍微详细点的分类,说明了机器学习涉及到领域:

    • 模式识别 可以认为模式识别就是机器学习,模式识别是从工业界发展起来的概念,而机器学习则强调计算机学科。
    • 数据挖掘 数据挖掘=机器学习+数据库。数据挖掘仅仅是一种思考方式,不必神话之。
    • 统计学习 统计学习近似于机器学习,与机器学习高度重合,统计学的发展促进了机器学习的大发展,但是两者侧重点不同。统计学习重点关注统计模型的发展优化,偏数学,而机器学习关注实际问题的解决,偏实际。
    • 计算机视觉 计算机视觉 = 图像处理+机器学习。
    • 语音识别 语音识别 = 语音处理+机器学习,即音频处理技术与机器学习的结合。
    • 自然语言处理 自然语言处理 = 文本处理 + 机器学习。自然语言处理是让机器理解人类语言的学科,词法分析,语义理解,机器学习等。
      提到数据挖掘和大数据,有这样一种观点:成功的机器学习应用不是拥有最好的算法,而是拥有更多的数据。随着大数据概念的兴起,机器学习和大数据愈发耦合,可以说大数据是机器学习应用的最佳场景,二者互相依赖,共同发展。大数据的核心是利用数据的价值,机器学习则是利用数据价值的关键技术。

    1.2 What is Maching Learning

    目前不存在被广泛认可的定义(definition),但有两个可以参考:
    1.Arthur Samuel(1959):在没有明确编程情况下,使计算机能够主动学习研究领域(原文参考:Field of study that gives computers the ability to learn without being explicitly programmed),值得一提的是Arthur Samuel编写了最早的阿尔法狗,不过下的国际象棋;
    2.Tom Mitchell(1998):一个程序能从经验 E 中学习,解决任务 T,达到性能度量值 P,当且仅当有了经验 E 后,经过 P 评判,程序在处理 T 时的性能有所提升,这就是机器学习【原文参考:A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.】。
    其中第二个定义正式一点,还押韵。在下棋的例子中:经验E是程序自我练习的经验,而任务T就是下棋,性能度量值P就是它在与新的对手比赛时赢得比赛的概率。课后测验里面有几题目测试对这个定义的理解,其中一道大意是:天气预报中,T,P,E分别是什么?
    在本小节中,Andrew NG提到了对各种工具应该采取何种态度?值得强调,既:拥有合适的工具很重要,但更重要的是:你要学会如何恰当地使用这些工具,会用与不会用的人之间存在着鸿沟。

    1.3 几个容易混淆的概念(补充)

    初学者可能会被AI,ML和DL这三个概念搞糊涂,贴张让人神清气爽的图。


    AL,ML和DL的关系

    AI是最早的一个概念,发展一波三折。从时间是上来讲,人工智能出现最早,机器学习和深度学习近些年才出现的。从逻辑关系上来讲,人工智能是目标,机器学习和深度学习是实现手段。相对机器学习而言,深度学习听起来高大上,但概并不神秘,就是传统神经网络发展到了多隐藏层的情况。

    -- THE END --

    AI_Notes,欢迎关注

    相关文章

      网友评论

          本文标题:机器学习之引言

          本文链接:https://www.haomeiwen.com/subject/lnkrbxtx.html