机器学习是什么?机器学习的本质目的和种类有哪些?

时间:2018-10-11 09:38:22   来源:上海尚学堂   阅读:
机器学习是一个跟“大数据”一样近年来非常火爆的词汇。随着人工智能的发展,机器学习也越来越被很很多人经常提起,有点“高大上”的感觉。但是有多少人能准确知道机器学习到底是什么吗?机器学习是个什么过程或者行为呢?
 

一、机器学习以及机器学习的本质目的

机器学习——我们先想想人类为什么要学习?是掌握知识、获得能力、掌握技巧,最终能够进行比较复杂或要求更高的工作。那么类比下机器,我们让机器学习,不管学习什么,最终的目的都是让它独立或者半独立地进行相对复杂或者高要求的工作。我们在这里提到的机器学习更多的是让机器帮助人类做一些大规模的数据识别、分拣、规律总结等人类做起来比较麻烦繁琐的一些事情,这个就是机器学习的本质目的。


 

二、机器学习常见的种类

机器学习从学习的种类来说,最常见的有两种:一种是无监督学习(unsupervised learning),一种是有监督学习(supervised learning)。此外还有不常见的半监督学习和强化学习,这就不提了。
 
所谓“无监督学习”,是指人们在获得训练的向量数据后在没有标签的情况下尝试找出其内部蕴含关系的一种挖掘工作,这个过程中使用者除了可能要设置一些必要的超参数(hyper-parameter)以外,不用对这些样本做任何的标记甚至是过程干预。而“有监督学习”则不同,每一个样本都有着明确的标签,最后我们只是要总结出这些训练样本向量与标签的映射关系。所以这在这两种方式下,处理的逻辑有很大区别,初学者需要格外注意。
 

三、总的来说

一言以蔽之,机器学习就是人类定义一定的计算机算法,让计算机根据输入的样本和些人类的干预来总结并归纳其特征与特点,并用这些特征和特点与一定的学习目标形成映射关系,进而自动化地做出相应反应的过程。这个反应可能是做出相应的标记或判断也可能是输出一段内容—图片、程序代码、文本、声音,而机器自己学到的内容我们可以描述为一个函数、一段程序、一组策略等相对复杂的关系描述。

在我看来,机器学习是大数据的一个子范畴。因为凡是基于对客观事物的量化认知的科学都是数据科学的范畴,也就是广义的大数据的范畴。机器学习作为其中一个用来自动归纳和总结数据关系的总的方法论当然算其中的一个子范畴,这点没有什么疑问。

四、机器学习和深度学习

然而,就机器学习作为研究对象来说,也有传统的机器学习和深度学习两个粗略的分类方式,我们在这里还是要提一下。它们有个比较大的区别,那就是传统的机器学习通常是需要人提前先来做特征提取,把提取过的特征向量化后再丢给模型去训练,这里人要做相当的前置工作。而深度学习通常可以采用End-to-End的学习方式,输入的内容只需要做很少的一些归一化( normalization)、白化( whitening)等处理就可以丢给模型去训练,通常不需要人来做特征提取的工作。而这个特征提取的动作可以由整个深度学习的网络模型帮我们自动完成,这就给很多传统机器学习中很难处理的问题带来了新的转机。
 
机器学习就介绍到这,接下来我们会介绍深度学习的内容,请多关注。
本文参考《白话深度学习与TensorFlow》。上海尚学堂Python人工智能培训整理发布。需要python人工智能学习资料请联系客服小姐姐。
分享:0

电话咨询

客服热线服务时间

周一至周五 9:00-21:00

周六至周日 9:00-18:00

咨询电话

021-67690939
15201841284

微信扫一扫