點(diǎn)擊上方“程序員大白”，選擇“星標(biāo)”公眾號
重磅干貨，第一時間送達(dá)

報(bào)道｜ 深度學(xué)習(xí)沖鴨   編輯｜王萌

著作權(quán)歸作者所有，本文僅作學(xué)術(shù)分享，若侵權(quán)，請聯(lián)系后臺刪文處理

   一、機(jī)器學(xué)習(xí)概覽

1. 什么是機(jī)器學(xué)習(xí)？

機(jī)器通過分析大量數(shù)據(jù)來進(jìn)行學(xué)習(xí)。比如說，不需要通過編程來識別貓或人臉，它們可以通過使用圖片來進(jìn)行訓(xùn)練，從而歸納和識別特定的目標(biāo)。

2. 機(jī)器學(xué)習(xí)和人工智能的關(guān)系

機(jī)器學(xué)習(xí)是一種重在尋找數(shù)據(jù)中的模式并使用這些模式來做出預(yù)測的研究和算法的門類。機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的一部分，并且和知識發(fā)現(xiàn)與數(shù)據(jù)挖掘有所交集。

3. 機(jī)器學(xué)習(xí)的工作方式

①選擇數(shù)據(jù)：將你的數(shù)據(jù)分成三組：訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和測試數(shù)據(jù)

②模型數(shù)據(jù)：使用訓(xùn)練數(shù)據(jù)來構(gòu)建使用相關(guān)特征的模型

③驗(yàn)證模型：使用你的驗(yàn)證數(shù)據(jù)接入你的模型

④測試模型：使用你的測試數(shù)據(jù)檢查被驗(yàn)證的模型的表現(xiàn)

⑤使用模型：使用完全訓(xùn)練好的模型在新數(shù)據(jù)上做預(yù)測

⑥調(diào)優(yōu)模型：使用更多數(shù)據(jù)、不同的特征或調(diào)整過的參數(shù)來提升算法的性能表現(xiàn)

4. 機(jī)器學(xué)習(xí)所處的位置

①傳統(tǒng)編程：軟件工程師編寫程序來解決問題。首先存在一些數(shù)據(jù)→為了解決一個問題，軟件工程師編寫一個流程來告訴機(jī)器應(yīng)該怎樣做→計(jì)算機(jī)遵照這一流程執(zhí)行，然后得出結(jié)果

②統(tǒng)計(jì)學(xué)：分析師比較變量之間的關(guān)系

③機(jī)器學(xué)習(xí)：數(shù)據(jù)科學(xué)家使用訓(xùn)練數(shù)據(jù)集來教計(jì)算機(jī)應(yīng)該怎么做，然后系統(tǒng)執(zhí)行該任務(wù)。首先存在大數(shù)據(jù)→機(jī)器會學(xué)習(xí)使用訓(xùn)練數(shù)據(jù)集來進(jìn)行分類，調(diào)節(jié)特定的算法來實(shí)現(xiàn)目標(biāo)分類→該計(jì)算機(jī)可學(xué)習(xí)識別數(shù)據(jù)中的關(guān)系、趨勢和模式

④智能應(yīng)用：智能應(yīng)用使用人工智能所得到的結(jié)果，如圖是一個精準(zhǔn)農(nóng)業(yè)的應(yīng)用案例示意，該應(yīng)用基于無人機(jī)所收集到的數(shù)據(jù)

5. 機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用

機(jī)器學(xué)習(xí)有很多應(yīng)用場景，這里給出了一些示例，你會怎么使用它？

• 快速三維地圖測繪和建模：要建造一架鐵路橋，PwC 的數(shù)據(jù)科學(xué)家和領(lǐng)域?qū)＜覍C(jī)器學(xué)習(xí)應(yīng)用到了無人機(jī)收集到的數(shù)據(jù)上。這種組合實(shí)現(xiàn)了工作成功中的精準(zhǔn)監(jiān)控和快速反饋。
• 增強(qiáng)分析以降低風(fēng)險(xiǎn)：為了檢測內(nèi)部交易，PwC 將機(jī)器學(xué)習(xí)和其它分析技術(shù)結(jié)合了起來，從而開發(fā)了更為全面的用戶概況，并且獲得了對復(fù)雜可疑行為的更深度了解。
• 預(yù)測表現(xiàn)最佳的目標(biāo)：PwC 使用機(jī)器學(xué)習(xí)和其它分析方法來評估 Melbourne Cup 賽場上不同賽馬的潛力。

   二、機(jī)器學(xué)習(xí)的演化

• 主導(dǎo)流派：符號主義
• 架構(gòu)：服務(wù)器或大型機(jī)
• 主導(dǎo)理論：知識工程
• 基本決策邏輯：決策支持系統(tǒng)，實(shí)用性有限

• 主導(dǎo)流派：貝葉斯
• 架構(gòu)：小型服務(wù)器集群
• 主導(dǎo)理論：概率論
• 分類：可擴(kuò)展的比較或?qū)Ρ?，對許多任務(wù)都足夠好了

• 主導(dǎo)流派：聯(lián)結(jié)主義
• 架構(gòu)：大型服務(wù)器農(nóng)場
• 主導(dǎo)理論：神經(jīng)科學(xué)和概率
• 識別：更加精準(zhǔn)的圖像和聲音識別、翻譯、情緒分析等

• 主導(dǎo)流派：聯(lián)結(jié)主義+符號主義
• 架構(gòu)：許多云
• 主導(dǎo)理論：記憶神經(jīng)網(wǎng)絡(luò)、大規(guī)模集成、基于知識的推理
• 簡單的問答：范圍狹窄的、領(lǐng)域特定的知識共享

• 主導(dǎo)流派：聯(lián)結(jié)主義+符號主義+貝葉斯+……
• 架構(gòu)：云計(jì)算和霧計(jì)算
• 主導(dǎo)理論：感知的時候有網(wǎng)絡(luò)，推理和工作的時候有規(guī)則
• 簡單感知、推理和行動：有限制的自動化或人機(jī)交互

• 主導(dǎo)流派：算法融合
• 架構(gòu)：無處不在的服務(wù)器
• 主導(dǎo)理論：最佳組合的元學(xué)習(xí)
• 感知和響應(yīng)：基于通過多種學(xué)習(xí)方式獲得的知識或經(jīng)驗(yàn)采取行動或做出回答

• 優(yōu)點(diǎn)：擅長對人、地點(diǎn)、事物的一系列不同特征、品質(zhì)、特性進(jìn)行評估
• 場景舉例：基于規(guī)則的信用評估、賽馬結(jié)果預(yù)測

• 優(yōu)點(diǎn)：支持向量機(jī)擅長在變量 X 與其它變量之間進(jìn)行二元分類操作，無論其關(guān)系是否是線性的

• 場景舉例：新聞分類、手寫識別。

• 優(yōu)點(diǎn)：回歸可用于識別變量之間的連續(xù)關(guān)系，即便這個關(guān)系不是非常明顯
• 場景舉例：路面交通流量分析、郵件過濾

• 優(yōu)點(diǎn)：對于在小數(shù)據(jù)集上有顯著特征的相關(guān)對象，樸素貝葉斯方法可對其進(jìn)行快速分類
• 場景舉例：情感分析、消費(fèi)者分類

• 優(yōu)點(diǎn)：容許數(shù)據(jù)的變化性，適用于識別（recognition）和預(yù)測操作
• 場景舉例：面部表情分析、氣象預(yù)測

• 優(yōu)點(diǎn)：隨機(jī)森林方法被證明對大規(guī)模數(shù)據(jù)集和存在大量且有時不相關(guān)特征的項(xiàng)（item）來說很有用

• 場景舉例：用戶流失分析、風(fēng)險(xiǎn)評估

• 優(yōu)點(diǎn)：循環(huán)神經(jīng)網(wǎng)絡(luò)在存在大量有序信息時具有預(yù)測能力
• 場景舉例：圖像分類與字幕添加、政治情感分析

• 優(yōu)點(diǎn)：長短期記憶和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)具備與其它循環(huán)神經(jīng)網(wǎng)絡(luò)一樣的優(yōu)點(diǎn)，但因?yàn)樗鼈冇懈玫挠洃浤芰?，所以更常被使?/span>

• 場景舉例：自然語言處理、翻譯

• 優(yōu)點(diǎn)：當(dāng)存在非常大型的數(shù)據(jù)集、大量特征和復(fù)雜的分類任務(wù)時，卷積神經(jīng)網(wǎng)絡(luò)是非常有用的
• 場景舉例：圖像識別、文本轉(zhuǎn)語音、藥物發(fā)現(xiàn)

推薦閱讀
國產(chǎn)小眾瀏覽器因屏蔽視頻廣告，被索賠100萬（后續(xù)）
年輕人“不講武德”：因看黃片上癮，把網(wǎng)站和786名女主播起訴了
中國聯(lián)通官網(wǎng)被發(fā)現(xiàn)含木馬腳本，可向用戶推廣色情APP
張一鳴：每個逆襲的年輕人，都具備的底層能力

關(guān)于程序員大白

程序員大白是一群哈工大，東北大學(xué)，西湖大學(xué)和上海交通大學(xué)的碩士博士運(yùn)營維護(hù)的號，大家樂于分享高質(zhì)量文章，喜歡總結(jié)知識，歡迎關(guān)注[程序員大白]，大家一起學(xué)習(xí)進(jìn)步！