1、机器学习的概念
维基百科的解释是:
机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点,到以“知识”为重点,再到以“学习”为重点的自然、清晰的脉络。显然,机器学习是实现人工智能的一个途径,即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。
机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多推论问题属于无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。
简单来说:无序数据转化为有价值的方法,从数据中抽取规律,并用来预测未来
2、机器学习应用举例
分类问题--图像识别、垃圾邮件识别
回归问题--股价预测、房价预测
排序问题--点击率预估、推荐算法
生成问题--图像生成、图像风格转换、图像文章描述生成
3、机器学习一般步骤
数据处理(采集+去噪)
模型训练(特征+模型)
模型评估与优化
模型应用
未完待续~~