文章预览
前言
虽然已经好久没有更新了，但笔者最近一直都在努力学习哦。
前面三三两两根据GitHub上的项目写了一些实验操作，但是总觉得这样是不行的。碎片化的学习只能是建立在已知的基础上进行熟练，不能作为打基础的主力方法，最关键的是，GitHub的这个项目听起来非常诱人，但是并不适合自己从头开始认真学习，其内容过于零散，于是从本节开始，决定不再拾人牙慧，进入自己的系统化的学习过程。
第一讲就讲讲
机器学习的概念
一、机器学习概念介绍
1.1 概览
人工智能，机器学习和深度学习之间的关系
早期的人工智能可以说是一个宏伟的目标，因为它的目的是赋予机器人的智慧，这种称为“强人工智能”，例如科幻电影里的终结者，能够像人类一样思考、学习、独立完成各项任务等；目前所能完成的是”弱人工智能“，主要是帮助人类完成某项特定的任务，例如搜索引擎、下围棋等。
机器学习就是实现弱人工智能的一种方式。
深度学习，属于机器学习的一个子领域，主要使用神经网络算法解决机器学习中的分类问题。
人工神经网络
(Artificial Neural Networks)是早期机器学习中的一个重要的算法，以我们大脑互相交叉相连的神经元为启发，人工神经网络具有离散的层、连接和数据传播的方向，深度学习的深度（deep），指的就是神经网络中众多的层数。
日常的应用
-
搜索引擎（Google）
-
物品识别
-
标记垃圾邮件
-
计算生物学（基因组研究）
-
手写识别
-
。。。
商业应用：
· 市场营销 （客户留存、分群、获取、产品推荐）
· 运营管理 （库存分析、供给分析、商品推荐）
· 风险欺骗 （欺诈检测、风险预警、信用评分、损失分析）
· 金融市场 （现金流预测、预算模拟、金融风控模型）
· 其他 （生命科学、健康医疗、社会科学、媒体、旅游）
1.1.1 机器学习定义
第一个机器学习的定义来自于Arthur Samuel。他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。Samuel的定义可以回溯到50年代，他编写了一个西洋棋程序。这程序神奇之处在于，编程者自己并不是个下棋高手。但因为他太菜了，于是就通过编程，让西洋棋程序自己跟自己下了上万盘棋。通过观察哪种布局（棋盘位置）会赢，哪种布局会输，久而久之，这西洋棋程序明白了什么是好的布局，什么样是坏的布局。
A subset of AI in the field of computer science that often uses statistical techniques to give computers the ability to 'learn'.
近代的定义
一个程序被认为能从
经验E
中学习，解决
任务T
，达到
性能度量值P
，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。
由Tom Mitchell提出，来自卡内基梅隆大学
graph TD
A[定义问题] --> B[收集数据]
B --> C[特征工程]
C --> D[建模]
D --> E[调整模型设置]
E --> F[评价模型]
F --> G[部署]
G --> H[模型更新]
1.1.2 机器学习与传统规则引擎的区别
规则引擎：
机器学习：
举例说明
-
规则引擎
类似于手机上的单机斗地主，编程者提前拟定决策规则，并进行编程实现，这种规则引擎为固定的，无论和电脑玩多少次，电脑的打牌水平都不会有长进。
-
机器学习
类似于下围棋的AlphaGo，任务T就是成为下棋高手，经验E就是成千上万次的练习，性能度量值P就是能够打败人类的下棋高手。
机器学习可以做到
使用历史数据，学习特征，实现预测
。
1.2 机器学习类型
不同的机器学习类型
|
|
Label
|
|
🌟Supervised
|
Yes
|
|
🌟Unsupervised
|
No
|
|
Semi-supervised
|
Part
|
|
Reinforced
|
No(rewarding)
|
Label🏷️ 标签用于标记物体的属性，可以理解成
y = ax+b
中的
y
。
例如垃圾邮件问题，是否为垃圾就是邮件的标签；预测房价问题，所给的一个小区的房屋价格就是房屋的标签。
数据获取网站 kaggle
数据获取网站 UCI
可以从这些网站中获取数据进行练习。
1.2.1 有监督学习
解决的两类常见问题：
|
|
分类 classification
|
回归 regression
|
|
目标变量
|
离散
|
连续
|
-
使用有标签数据训练模型
-
为新数据打标签
-
大部分机器学习模型为有监督学习
回归问题例子：房价预测
吴恩达机器学习课程案例
-
模型评价指标 Normalized RMSE [
值越小越好
]/ Goodness of Fit(
) [
值越大越好
]
-
特征重要性
分类问题例子：判断肿瘤类别
-
模型评价指标 Performance(AUC)
(一般来说 >0.85 说明非常好)
-
特征重要性
-
混淆矩阵 Confusion Matrix
|
True Positives
|
False Positives
|
|
False Negatives
|
True Negatives
|
监督学习总结
两种问题：
-
分类问题
把数据按类别划分，例如鉴别肿瘤是良性还是恶性，邮件是否是垃圾邮件。
1.2.2 无监督学习
无监督VS有监督
无监督学习的数据没有标签（或者有相同的标签），无监督学习的任务就是将这些数据分成不同的簇，所以称为聚类算法，谷歌新闻就是使用了无监督学习，将网络中海量的新闻自动分类，每一个类都是不同的主题。
无监督学习特点
-
使用无标签数据训练模式
-
发现数据固有特征
-
可用于数据降维、异常检测
-
聚类
是最常见的无监督学习技术
无监督学习的应用
无监督学习没有收到人工输入的数据标签，对于算法的角度而言，只有一堆包含属性值的数据，通过运行一个聚类算法，就能够得到这些数据的分类结果。
例子：鸡尾酒宴会问题。
宴会的环境比较嘈杂，交谈声、音乐声和其他噪声等交织在一起，在不同的位置放置两个麦克风🎤，记录宴会的声音数据。通过无监督学习，就能完成音频输入的分离。[插入video play 6:30]
例子：Iris聚类
无监督学习总结
1.2.3 半监督学习
特点
-
使用少量有标签数据训练
-
为大部分无标签数据打标签(标签预处理)
应用目的：
节约训练成本
节约打标签成本
1.2.4 强化学习
学习一系列的
行动(actions)
，使
奖励(reward)
最大化。
例如：alpha go、自动驾驶
1.3 总结
见xmind。
………………………………
