大师网-带你快速走向大师之路 解决你在学习过程中的疑惑,带你快速进入大师之门。节省时间,提升效率

机器学习,了解一下?

文章图片来源于 GitHub,网速不佳的朋友请点我看原文

顺便软广一下个人技术小站:godbmw.com。欢迎常来(*)

1. 为什么要学?

老师上课时候就说过:传统算法解决确定性问题,而机器学习解决非确定性问题。

好吧,确实激起了我的兴趣,所以系统学习一下吧。

2. 机器学习算法

机器学习算法和普通算法还是有很大区别的。它不要求百分之百准确,并且对数学要求较高。

我认为重点有几下 4 点:

  1. 理解算法原理
  2. 应用实际场景
  3. 进行对比试验
  • 不同算法对比
  • 同一算法不同参数对比

难点有几下几点:

  1. 如何评价算法好坏
  2. 解决拟合和过拟合
  3. 如何正确调参
  4. 如何验证算法正确性

3. 可以解决什么问题?

有些算法既可以处理分类、也可以处理回归任务,而在一些情况下,回归任务可以简化为分类任务,以方便问题解决。

3.1 分类任务

常见的有分类任务有 2 分类和多分类任务,并且两者之间可以转化。

比如 AlphaGo 下围棋,可以理解成一个多分类任务:因为是在选择棋盘上的落子点。除此之外,推箱子游戏:可能有 2-4 个方向提供选择,也可以理解成分类任务。

3.2 多标签分类

而在 ML 前沿领域,实现了多标签分类:不再单纯的是一个分类,而是拥有多个标签。

例如下面这张含有多个标签的图片,多标签会让机器对它的定位更准确:


image

3.3 回归任务

机器获得结果是一个连续的数字的值,而不是一个类别。连续的值可以划分为无限多个小的点(可以理解成无限多个类别),又怎么能处理成类别呢。

4. 算法分类

4.1 监督学习

交给算法的训练数据已经被打了“标签”,或者已经给出了分类。训练后的算法可以给新的数据打标签或者分类。

因此,监督学习的训练数据需要大量的人力来进行标记。

当然,在一些领域已经积累了一些被标记的数据信息,例如大型博客平台,对每篇博客都有分类和标签。这种时候,监督学习的人力成本基本就是 0 了。

4.2 非监督学习

给机器的训练数据没有任何“标签”,或者分类。训练后的算法仍然可以给新的数据打标签或者分类。

经常听到的算法,就有聚类分析,比如每个用户都被电商平台划分到某一用户群体。

另一个非常重要的用途,是对数据进行降维处理:

  1. 特征提取:提取重要的特征,去除不重要的特征。防止噪声影响特征提取
  2. 特征压缩:在保证数据信息不被过多损害的情况下,将高维向量压缩成低维向量,例如 PCA 算法。在保证稳定性的情况下,提高处理速度。

另一个非常重要的用途:异常检测。如下图所示。以方便算法发现一般性特征和规律

image

4.3 半监督学习

一部分数据有“标签”或分类,另一部分并没有。

此时,一般通过无监督学习手段对数据进行处理,之后使用监督学习做模型的训练和预测。

4.4 增强学习

根据周围环境,采取行动,再根据行动结果,改善学习行动方式。

如下图所示,agent 使我们的算法,当他执行后,会根据环境反馈来执行奖赏或者惩罚,再改进行为模式。循环往复。

image

而 AlphaGo、自动驾驶等前言机器人,都使用了增强学习。

5. 更多算法分类

5.1 批量学习和在线学习

批量学习是指:算法一旦根据数据训练出模型后,不会接受新的数据来优化模型。在线学习是指:算法运行的过程中,也会把吸收新数据进行模型训练。

优缺点显而易见,前者更省心,但是无法适应数据快速变化的场景;后者可以及时针对不同的数据来优化模型,但是容易受到新数据中垃圾数据影响。

5.2 非参数学习和参数学习

参数学习是给出数据模型,剩下的工作就是利用算法找出最合适参数。比如假定数据点符合y = ax + b的模型,剩下工作就是用最小二乘法之类的算法找到(a,b)的最优解。

非参数学习相反,不对模型进行过多假设,不将问题理解成学习一些参数。

5. 学习资料