机器学习

1. 定义

学科交叉.png 流程.png

• 机器学习是多领域交叉学科，机器学习从业者需要掌握一定的编程技能、数理统计知识以及相应的专业领域知识。
• 机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身。
• 简而言之，就是计算机从数据中学习出规律和模式，以应用在新数据上做预测的任务。

数据（Data）、学习算法（Learning Algorithm）、模型（Model）是机器学习三要素，机器学习的输入是数据（Data），学到的结果叫模型（Model）。从数据中学得模型这个过程通过执行某个学习算法（Learning Algorithm）来完成。

学习流程.jpg

由上图可知：假设了Ground Truth f的存在，那么学习算法要做的就是找出某个映射，这个映射尽可能得接近f。在实际的训练过程中，学习算法会有一个假设集合(Hypothesis Set，记作H)，这个集合包含所有候选的映射函数。学习算法做的事情就是从中选出最好的g，使得g越接近f越好。

因此机器学习可定义为：A takes D and H to get g（using data to compute hypothesis g that approximates target f）。

2. 历史

历史.jpg

AI（人工智能）在上世纪中叶就已经诞生，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。

1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MIT AI LAB实验室。

二十世纪80年代，机器学习成为一个独立的科学领域，各种机器学习技术百花初绽。机器学习是人工智能领域中最能够体现智能的一个分支，也是发展最快的一个分支。机器学习有两大主流：

• 符号主义学习：其代表包括决策树和基于逻辑的学习（事实上，机器学习在20世纪80年代正是被视为“解决公式工程瓶颈问题的关键”而走上人工智能主舞台的）。

• 基于神经网络的连接主义学习：代表性技术是支持 向量机以及更一般的“核方法”。我们目前所说的机器学习方法，一般认为是统计机器学习方法。

2010年前后，随着大数据和计算机性能的提升，机器学习的新方向深度学习开始爆发。

3. 机器学习工作流程

工作流程2.png

机器学习工作流程一般分为四步：

1. 数据预处理
2. 机器学习、训练模型
3. 模型评估
4. 预测新数据

4. 机器学习分类

​根据训练数据是否有标注，机器学习问题大致划分为监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）两大类：

• 监督学习：每个输入样本都有标注，这些标注就像老师的标准答案一样”监督“着学习的过程。而监督学习又大致分成两类：分类（Classification）和回归（Regression）：
  • 分类问题：标注是离散值，比如用户”点击“和”不点击“。如果标注只有两个值，则称为二分类，如果标注有多个值，则称为多分类。
  • 回归问题：标注是连续值，比如如果问题是预测北京市房屋的价格，价格作为标注就是一个连续值，属于回归问题。
• 无监督学习：训练样本没有标注，无监督学习解决的典型问题是聚类（clustering）问题。比如对一个网站的用户进行聚类，看看这个网站用户的大致构成，分析下每类用户群的特点是什么。

此外，机器学习还有其他的类别，比如半监督学习、集成学习、深度学习、增强学习：

• 半监督学习：这类问题给出的训练数据，有一部分有标签，有一部分没有标签。我们想学习出数据组织结构的同时，也能做相应的预测。此类问题相对应的机器学习算法有自训练(Self-Training)、直推学习(Transductive Learning)、生成式模型(Generative Model)等。

机器学习常见算法如下图所示（详细分类见博客：http://blog.csdn.net/han_xiaoyang/article/details/50469334）：

算法.png

机器学习算法选择流程如下图：

算法树.png