無廢話的機(jī)器學(xué)習(xí)筆記（一）

??人工智能包括機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)包括深度學(xué)習(xí)，學(xué)好機(jī)器學(xué)習(xí)的基礎(chǔ)對入門深度學(xué)習(xí)有很好的幫助。

機(jī)器學(xué)習(xí)是20世紀(jì)50年代就出現(xiàn)的數(shù)據(jù)分析技術(shù)，最近幾年才風(fēng)靡是因?yàn)樯疃葘W(xué)習(xí)和增強(qiáng)學(xué)習(xí)的崛起，如AlphaGo和人臉識別等。前人定義機(jī)器學(xué)習(xí)為一個讓計算機(jī)自主學(xué)習(xí)的技術(shù)領(lǐng)域，它的核心目的是擬合， 分類和預(yù)測，具有極強(qiáng)的融合性，各種交叉學(xué)科都可能見到它的身影。

我個人理解就是扔一堆數(shù)據(jù)給計算機(jī)，然后它能分析出數(shù)據(jù)的規(guī)律，進(jìn)而擬合出規(guī)律并預(yù)測下一個數(shù)據(jù)的屬性。

應(yīng)用：語音、人臉識別、語言翻譯、計算機(jī)視覺、電影推薦、排序等等

分類

監(jiān)督學(xué)習(xí)（扔給計算機(jī)的數(shù)據(jù)是帶有標(biāo)簽的，就是帶有數(shù)據(jù)的屬性，比如帶有標(biāo)簽的貓的照片數(shù)據(jù)，計算機(jī)會知道它是貓）：

1、回歸（regression）：利用數(shù)據(jù)擬合出一個規(guī)律，比如（1,1），（2,2）這兩點(diǎn)給計算機(jī)，它會擬合出y=x這條直線，這也叫線性回歸，如果數(shù)據(jù)變成三維或更高維，則稱為多元線性回歸。

2、分類（classification）：計算機(jī)主要對數(shù)據(jù)進(jìn)行分類，比如貓是貓，狗是狗，這種分類的主流方法有很多，以后會逐一介紹：邏輯回歸（名字叫回歸但實(shí)際是分類哦）、感知機(jī)（深度學(xué)習(xí)的基礎(chǔ)）、貝葉斯分類器（為數(shù)據(jù)分析引入了概率，考試的話送分的）、支持向量機(jī)（面試必問，很強(qiáng)大，但實(shí)際工業(yè)用得少）、決策樹（對結(jié)果有非常高的解釋性，考試的話送分的）、隨機(jī)森林（很多棵決策樹就變成了森林）、K近鄰（近朱者赤近墨者黑，考試的話送分的），等等

非監(jiān)督學(xué)習(xí)（就是數(shù)據(jù)沒有標(biāo)簽了，計算機(jī)不知道誰是誰，只能根據(jù)數(shù)據(jù)的距離或概率分布等作出決策）：

1、聚類（clustering）：最常用的方法就是聚類，其中最主流、簡單的是K均值（與K近鄰都是有參數(shù)K和距離公式，但兩者大大不同），還有高斯混合模型、譜聚類等等

強(qiáng)化學(xué)習(xí)（模型能以“試錯”的方式進(jìn)行學(xué)習(xí)，通過與環(huán)境進(jìn)行交互獲得的獎賞指導(dǎo)行為，即可以評價每一次的行為，目標(biāo)是使模型獲得最大的獎賞）：

1、馬爾可夫決策過程（Markov Decision Process）

學(xué)習(xí)

要想全面掌握機(jī)器學(xué)習(xí)，我們還要學(xué)習(xí)很多的學(xué)習(xí)算法，如著名的梯度下降（BGD、SGD…），牛頓法等，很多基礎(chǔ)理論知識，如經(jīng)驗(yàn)風(fēng)險最小化、方差—誤差、數(shù)據(jù)集（訓(xùn)練集、測試集、驗(yàn)證集）、過擬合、矩陣分解（奇異值分解SVD）、降維（PCA、LDA…）。

可能很多人像我剛上課一樣覺得機(jī)器學(xué)習(xí)就是不斷編程嘛，搞代碼的一門課，其實(shí)不然，如果只是編程，調(diào)一個很成熟的sklearn庫就能解決大多問題，而且巨方便，但這樣和搭積木沒有太多區(qū)別。深入機(jī)器學(xué)習(xí)就必須了解這些庫是怎么通過一行行代碼實(shí)現(xiàn)的，這樣跟調(diào)參俠就會拉開差距，所以數(shù)學(xué)知識很重要，涉及高數(shù)、線代、概率論，還有一些凸優(yōu)化。一起加油吧！

附上其他筆記的鏈接：

《無廢話的機(jī)器學(xué)習(xí)筆記（二）(線性回歸)》
《無廢話的機(jī)器學(xué)習(xí)筆記（三）(梯度下降)》
《無廢話的機(jī)器學(xué)習(xí)筆記（四）(感知機(jī)、邏輯回歸、貝葉斯)》
《無廢話的機(jī)器學(xué)習(xí)筆記（五）(SVM)》
《無廢話的機(jī)器學(xué)習(xí)筆記（六）(決策樹，KNN)》
《無廢話的機(jī)器學(xué)習(xí)筆記（七）(聚類: kmeans、GMM、譜聚類)》
《無廢話的機(jī)器學(xué)習(xí)筆記（番外）(數(shù)據(jù)集，方差-偏差，過擬合，正則化，降維)》