機(jī)器學(xué)習(xí) 概述

機(jī)器學(xué)習(xí)就是把無(wú)序的數(shù)據(jù)轉(zhuǎn)換成有用的信息。

獲取海量的數(shù)據(jù)

從海量數(shù)據(jù)中獲取有用的信息

我們會(huì)利用計(jì)算機(jī)來(lái)彰顯數(shù)據(jù)背后的真實(shí)含義，這才是機(jī)器學(xué)習(xí)的意義。

機(jī)器學(xué)習(xí) 場(chǎng)景

例如：識(shí)別動(dòng)物貓

模式識(shí)別(官方標(biāo)準(zhǔn))：人們通過(guò)大量的經(jīng)驗(yàn)，得到結(jié)論，從而判斷它就是貓。

機(jī)器學(xué)習(xí)(數(shù)據(jù)學(xué)習(xí))：人們通過(guò)閱讀進(jìn)行學(xué)習(xí)，觀察它會(huì)叫、小眼睛、兩只耳朵、四條腿、一條尾巴，得到結(jié)論，從而判斷它就是貓。

深度學(xué)習(xí)(深入數(shù)據(jù))：人們通過(guò)深入了解它，發(fā)現(xiàn)它會(huì)’喵喵’的叫、與同類(lèi)的貓科動(dòng)物很類(lèi)似，得到結(jié)論，從而判斷它就是貓。(深度學(xué)習(xí)常用領(lǐng)域：語(yǔ)音識(shí)別、圖像識(shí)別)

模式識(shí)別(pattern recognition): 模式識(shí)別是最古老的(作為一個(gè)術(shù)語(yǔ)而言，可以說(shuō)是很過(guò)時(shí)的)。

我們把環(huán)境與客體統(tǒng)稱(chēng)為“模式”，識(shí)別是對(duì)模式的一種認(rèn)知，是如何讓一個(gè)計(jì)算機(jī)程序去做一些看起來(lái)很“智能”的事情。 通過(guò)融于智慧和直覺(jué)后，通過(guò)構(gòu)建程序，識(shí)別一些事物，而不是人，例如: 識(shí)別數(shù)字。

機(jī)器學(xué)習(xí)(machine learning): 機(jī)器學(xué)習(xí)是最基礎(chǔ)的(當(dāng)下初創(chuàng)公司和研究實(shí)驗(yàn)室的熱點(diǎn)領(lǐng)域之一)。

在90年代初，人們開(kāi)始意識(shí)到一種可以更有效地構(gòu)建模式識(shí)別算法的方法，那就是用數(shù)據(jù)(可以通過(guò)廉價(jià)勞動(dòng)力采集獲得)去替換專(zhuān)家(具有很多圖像方面知識(shí)的人)。

“機(jī)器學(xué)習(xí)”強(qiáng)調(diào)的是，在給計(jì)算機(jī)程序(或者機(jī)器)輸入一些數(shù)據(jù)后，它必須做一些事情，那就是學(xué)習(xí)這些數(shù)據(jù)，而這個(gè)學(xué)習(xí)的步驟是明確的。 機(jī)器學(xué)習(xí)(Machine Learning)是一門(mén)專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身性能的學(xué)科。

深度學(xué)習(xí)(deep learning): 深度學(xué)習(xí)是非常嶄新和有影響力的前沿領(lǐng)域，我們甚至不會(huì)去思考-后深度學(xué)習(xí)時(shí)代。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像，聲音和文本。

參考地址： http://www.csdn.net/article/2015-03-24/2824301 http://baike.baidu.com/link url=76P-uA4EBrC3G-I__P1tqeO7eoDS709Kp4wYuHxc7GNkz_xn0NxuAtEohbpey7LUa2zUQLJxvIKUx4bnrEfOmsWLKbDmvG1PCoRkJisMTQka6-QReTrIxdYY3v93f55q

機(jī)器學(xué)習(xí)已應(yīng)用于多個(gè)領(lǐng)域，遠(yuǎn)遠(yuǎn)超出大多數(shù)人的想象，橫跨：計(jì)算機(jī)科學(xué)、工程技術(shù)和統(tǒng)計(jì)學(xué)等多個(gè)學(xué)科。

搜索引擎: 根據(jù)你的搜索點(diǎn)擊，優(yōu)化你下次的搜索結(jié)果。

垃圾郵件: 會(huì)自動(dòng)的過(guò)濾垃圾廣告郵件到垃圾箱內(nèi)。

超市優(yōu)惠券: 你會(huì)發(fā)現(xiàn)，你在購(gòu)買(mǎi)小孩子尿布的時(shí)候，售貨員會(huì)贈(zèng)送你一張優(yōu)惠券可以兌換6罐啤酒。

郵局郵寄: 手寫(xiě)軟件自動(dòng)識(shí)別寄送賀卡的地址。

申請(qǐng)貸款: 通過(guò)你最近的金融活動(dòng)信息進(jìn)行綜合評(píng)定，決定你是否合格。

機(jī)器學(xué)習(xí) 組成

主要任務(wù)

分類(lèi)：將實(shí)例數(shù)據(jù)劃分到合適的類(lèi)別中。

回歸：主要用于預(yù)測(cè)數(shù)值型數(shù)據(jù)。(示例：數(shù)據(jù)通過(guò)給定數(shù)據(jù)點(diǎn)來(lái)擬合最優(yōu)曲線)

監(jiān)督學(xué)習(xí)

必須確定目標(biāo)變量的值，以便機(jī)器學(xué)習(xí)算法可以發(fā)現(xiàn)特征和目標(biāo)變量之間的關(guān)系。 (包括：分類(lèi)和回歸)

樣本集：訓(xùn)練數(shù)據(jù) + 測(cè)試數(shù)據(jù)

訓(xùn)練樣本 = 特征(feature) + 目標(biāo)變量(label: 分類(lèi)-離散值/回歸-連續(xù)值)

特征通常是訓(xùn)練樣本集的列，它們是獨(dú)立測(cè)量得到的。

目標(biāo)變量: 目標(biāo)變量是機(jī)器學(xué)習(xí)預(yù)測(cè)算法的測(cè)試結(jié)果。

在分類(lèi)算法中目標(biāo)變量的類(lèi)型通常是標(biāo)稱(chēng)型(如：真與假)，而在回歸算法中通常是連續(xù)型(如：1~100)。

知識(shí)表示：

可以采用規(guī)則集的形式【例如：數(shù)學(xué)成績(jī)大于90分為優(yōu)秀】

可以采用概率分布的形式【例如：通過(guò)統(tǒng)計(jì)分布發(fā)現(xiàn)，90%的同學(xué)數(shù)學(xué)成績(jī)，在70分以下，那么大于70分定為優(yōu)秀】

可以使用訓(xùn)練樣本集中的一個(gè)實(shí)例【例如：通過(guò)樣本集合，我們訓(xùn)練出一個(gè)模型實(shí)例，得出 年輕，數(shù)學(xué)成績(jī)中高等，談吐優(yōu)雅，我們認(rèn)為是優(yōu)秀】

非監(jiān)督學(xué)習(xí)

數(shù)據(jù)沒(méi)有類(lèi)別信息，也不會(huì)給定目標(biāo)值。

聚類(lèi)：在無(wú)監(jiān)督學(xué)習(xí)中，將數(shù)據(jù)集分成由類(lèi)似的對(duì)象組成多個(gè)類(lèi)的過(guò)程稱(chēng)為聚類(lèi)。

密度估計(jì)：將尋找描述數(shù)據(jù)統(tǒng)計(jì)值的過(guò)程稱(chēng)之為密度估計(jì)。【就是：根據(jù)訓(xùn)練樣本確定x的概率分布】

此外，無(wú)監(jiān)督學(xué)習(xí)還可以減少數(shù)據(jù)特征的維度，以便我們可以使用二維或三維圖形更加直觀地展示數(shù)據(jù)信息。

訓(xùn)練過(guò)程

算法匯總

機(jī)器學(xué)習(xí) 使用

選擇算法需要考慮的兩個(gè)問(wèn)題

算法場(chǎng)景

預(yù)測(cè)明天是否下雨，因?yàn)榭梢杂脷v史的天氣情況做預(yù)測(cè)，所以選擇監(jiān)督學(xué)習(xí)算法

給一群陌生的人進(jìn)行分組，但是我們并沒(méi)有這些人的類(lèi)別信息，所以選擇無(wú)監(jiān)督學(xué)習(xí)算法、通過(guò)他們身高、體重等特征進(jìn)行處理。

需要收集或分析的數(shù)據(jù)是什么

機(jī)器學(xué)習(xí) 開(kāi)發(fā)流程

* 收集數(shù)據(jù): 收集樣本數(shù)據(jù)

* 準(zhǔn)備數(shù)據(jù): 注意數(shù)據(jù)的格式

* 分析數(shù)據(jù): 為了確保數(shù)據(jù)集中沒(méi)有垃圾數(shù)據(jù); 如果是算法可以處理的數(shù)據(jù)格式或可信任的數(shù)據(jù)源，則可以跳過(guò)該步驟; 另外該步驟需要人工干預(yù)，會(huì)降低自動(dòng)化系統(tǒng)的價(jià)值。

* 訓(xùn)練算法: [機(jī)器學(xué)習(xí)算法核心]如果使用無(wú)監(jiān)督學(xué)習(xí)算法，由于不存在目標(biāo)變量值，則可以跳過(guò)該步驟

* 測(cè)試算法: [機(jī)器學(xué)習(xí)算法核心]評(píng)估算法效果

* 使用算法: 將機(jī)器學(xué)習(xí)算法轉(zhuǎn)為應(yīng)用程序

Python語(yǔ)言 優(yōu)勢(shì)

可執(zhí)行偽代碼

Python比較流行：使用廣泛、代碼范例多、豐富模塊庫(kù)，開(kāi)發(fā)周期短

Python語(yǔ)言的特色：清晰簡(jiǎn)練、易于理解

Python語(yǔ)言的缺點(diǎn)：唯一不足的是性能問(wèn)題

Python相關(guān)的庫(kù)

科學(xué)函數(shù)庫(kù)：SciPy、NumPy(底層語(yǔ)言：C和Fortran)

繪圖工具庫(kù)：Matplotlib

來(lái)源：36大數(shù)據(jù)