机器学习(1)——绪论
发布网友
共1个回答
热心网友
机器学习概览
在大学计算机和人工智能的课程中，机器学习逐渐成为核心议题。无需前置知识，我们就可以开始探索这一领域。
1. 机器学习、人工智能与深度学习的关系
人工智能旨在赋予机器足够的智能以服务于人类，而机器学习则是实现这一目标的主要途径。通过让机器学习数据中的规律，我们能构建如聊天机器人和语音识别等应用。深度学习作为机器学习的重要分支，尤其擅长处理复杂问题。
2. 机器学习基本流程
机器学习的核心是寻找一个能将输入映射到正确输出的函数，通过建模、评价和优化这个函数，来实现机器的自我学习和提升。
3. 机器学习分类
回归：预测连续数值，如房价预测
分类：包括二分类（如垃圾邮件识别）和多分类（如动物图片分类）
结构化学习：需要生成结构化输出，如聊天或创作作品
4. 学习方式的分类
监督学习：以标注数据指导机器学习
半监督学习：利用部分有标签和无标签数据
无监督学习：发现数据内在结构
迁移学习：利用相关数据解决新问题
强化学习：通过奖励机制学习决策策略
5. 模型性质分类
线性模型：基础但应用有限
非线性模型：如深度学习，广泛应用于实际问题
