认识机器学习(一)
什么是机器学习?机器学习就是让机器从数据中学习,进而得到一个更加符合现实规律的模型,通过对模型的使用使得机器比以往表现的更好,这就是机器学习
目录
什么是机器学习?
机器学习就是让机器从数据中学习,进而得到一个更加符合现实规律的模型,通过对模型的使用使得机器比以往表现的更好,这就是机器学习
数据:就是将现实世界的事物通过某种方式描述出来的一种集合,比如图像、文字等
学习:就是将数据中的行为特征(类似人类行为)用算法步骤用机器模型来实现,简而言之就是用机器实现人的行为特征-->用算法来实现
机器学习是新兴的计算机科学领域,是人工智能的一个分支和实现方式
机器学习主要的理论基础是数学领域中的概率论、数理统计、线性代数、数学分析、数值逼近、最优化理论和计算机复杂论,核心要素是数据、算法和模型
而什么是人工智能?
人工智能是让机器的行为看起来像人所表现出的智能行为一样,典型的人工智能有机器人阿尔法狗,人工智能的目标是将机器具有类似于人的能力,为人类服务
人工智能的典型系统有:
- 博弈游戏(阿尔法狗alpha go等)
- 机器人相关控制理论
- 机器翻译
- 语音识别
- 计算机视觉系统
- 自然语言处理(自动程序)
什么是数据挖掘?
数据挖掘是使用机器学习、统计学和数据库等方法在相对大量的数据集中发现模式和知识,它涉及数据预处理、模型与推断、可视化等。
数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程
数据挖掘常见任务(类型):
- 异常检测
- 换脸分析
- 聚类
- 分类
- 回归
机器学习、人工智能与数据挖掘的关系
机器学习是人工智能的一个分支,作为人工智能的核心技术和实现 手段,通过机器学习的方法解决人工智能面对的问题,机器学习是通过一些让计算机可以自动学习的算法从数据中分析获得规律,然后获得规律对样本进行检测,机器学习是人工智能的重要支撑
数据挖掘是从大量的业务数据组挖掘深藏的、有用的、正确的知识,促进决策的执行,数据挖掘的很多算法来自于机器学习和统计学,数据挖掘在一定程度上依赖机器学习,机器学习也提供了重要的技术支持。
机器学习的一般流程
- 定义分析数据
- 收集数据
- 整理预处理
- 数据建模
- 模型训练
- 模型评估
- 模型应用
机器学习的主要流派有:
- 符号主义:起源逻辑学,哲学,实现方法是用符号表示
- 贝叶斯派:概率论
- 联结主义:起源于神经网络
- 进化主义:起源于达尔文的进化论
- 行为类推主义:数学中的优化函数,递推行为
机器学习与数据科学、大数据分析的关系
数据科学是指与数据系统和数据处理有关的研究领域,它旨在维护数据并从中推导出数据含义。数据科学家将工具、应用、理论和算法结合在一起来理解数据。数据科学家使用机器学习算法来研究数据,以便做出有价值的预测。也称为监督学习,这些模型可以为企业提出最有效的行动方案。
机器学习的应用领域
- 艺术创作
- 金融领域
- 医疗领域
- 自然语言处理
- 网络安全
- 工业领域
- 机器学习在娱乐行业的应用
待更ing
更多推荐
所有评论(0)