机器学习

引言：

人类一直在寻找在减少人力的同时提高生产力的方法。如今是机器的时代。我们在日常生活中使用多种机器，帮助我们更高效地完成工作。假设您已将所有过去的公司记录存储在电脑上。您的电脑可以利用以往记录中的模式和算法进行学习和适应。在没有明确命令的情况下，您的电脑会检查并推断以往数据，并基于现有记录预测未来结果。这一切都得益于机器学习。

什么是机器学习？

它是人工智能的一种应用，使系统无需明确编程就能通过经验学习和改进。这本质上是一个能够从数据中学习、识别模式，并在几乎没有人为协作的情况下做出选择的系统。

机器学习背后的故事是什么？

Alan Turing 于 1950 年设计了图灵测试。Alan Turing 是一位聪明而有影响力的英国数学家和计算机科学家。设计这项测试是为了判断机器是否具有人类的智力。

谁创造了机器学习？

许多人都为机器学习的发展做出了贡献，但 IBM 的计算机科学家 Arthur Samuel 在 1952 年创造了“机器学习”一词。

机器学习的目的是什么？

机器学习的目标是捕捉或发现数据中的模式，然后基于这些通常较为复杂的模式做出估计，以解决业务问题。确定并分析有助于解决问题的模式和设计。

在商业及其他领域，机器学习本质上是一种通过自动化生成数据模型的过程来工作的数据分析技术。

机器学习是如何工作的？

机器学习有多少种类型？

机器学习有四种类型。

1. 监督学习
2. 无监督学习
3. 半监督
4. 强化学习

监督学习：

在这类机器学习中，数据科学家向算法提供带标签的训练数据，并指定希望程序在哪些变量之间寻找关联。算法的输入和输出都是已提供的。[1]

无监督学习：

这类机器学习使用在未标注数据上训练的算法。程序员在数据集中寻找相关的关系。用于训练算法的数据，以及它们给出的预测或建议，都是预先定义好的。[1]

半监督：

这种机器学习方法结合了前两种方法。虽然数据科学家可能向算法提供大量“训练数据”，但模型可以自行探索数据，并建立自己对数据集的认知。[1]

强化学习：

数据科学家通常使用强化学习来教机器执行具有明确标准的多步骤流程。数据科学家训练算法完成一项任务，并在算法摸索如何完成任务的过程中给予积极或消极的反馈。不过，在大多数情况下，由算法自行选择沿途采取哪些行动。[1]

机器学习有哪些优势？

• 一切自动化
• 趋势和模式识别
• 广泛的应用范围
• 改进空间
• 高效处理数据
• 最适合教育和网购

机器学习有哪些缺点？

• 出错可能性高
• 算法选择
• 数据获取
• 时间与空间

结论：

机器学习是人工智能的一个子领域。它是一种系统，计算机利用海量数据并使用算法“训练”自己，在不依赖明确编程的情况下生成预测。机器学习本质上是一种数据分析技术，通过自动化构建数据模型的过程，应用于商业及其他领域。

1. Burns, E.，机器学习。来源：https://www.techtarget.com/searchenterpriseai/definition/machine-learning-ML。

机器学习的类型

您已在使用的机器学习

电子邮件垃圾邮件过滤器、地图交通预测、视频和购物推荐、语音输入以及人脸解锁都依赖机器学习。

机器学习、AI 与深度学习

AI 是让机器变得智能的宏观目标；机器学习是从数据中学习的方法；深度学习使用多层神经网络。参见什么是人工智能。