tag: 机器学习

最近开始了有关机器学习方面知识的学习，自己啃书本的时候一些概念枯燥无味，所以借着做笔记的机会来简单理解其中的一些概念，如有谬误，还望指出。😊 什么是人工智能？ 我看过很多博客解释什么是人工智能，我觉得还不如一句话一张图解释的简洁明了。让机器实现原来只有人类才能完成的任务，这个操作就是人工智能。 下图所示就是让机器模拟人各种能力的人工智能领域示意图：（图片我是在逛知乎的时候发现的，地址贴在文末） 什么是机器学习？ 在解释什么是机器学习之前，我们先来举一个让每个程序员都头疼的问题： 找对象 作为一个程序员，找对象自然是个非常紧迫的问题，那找对象总要有个要求吧 🤔 啥？活的？能动？骨骼轻奇的我怎么可能只有这两点要求啊 🙊 显然我是希望找一个好的女朋友啊（毕竟要带出去撑场面的啊），所以应该怎么找呢？ 爱美之心，人皆有之。长得好看的妹子肯定比长得丑的妹子更优秀啊，所以这时我就有了一个简单的规则了：只挑选长得好看的女生的当女朋友。所以还等什么？快去朋友圈看看哪些漂亮的女生还是单身啊。是不是 So easy？ 当！然！不！是！ 生活总是充满了艰辛 张无忌的麻麻说过： 当你网恋奔现的时候你会发现，那些朋友圈里的都是照骗，你懵逼了。。。很显然，只看女生照片找对象这个方法是很片面的，找到一个好的女朋友的因素有很多而并不只是根据女生的颜值。 在经过了大量思考（并且参考了众多好友的女朋友）之后，你又得出了一个结论：身材好同时颜值高的女生更容易吸引你。同时身材一般但颜值高的好友中只有一半左右能让你感兴趣。 这时你再带着你得出的结论去找女生的时候，才知道原来妹子已经脱单好久，只是把你当朋友。。。但是心好的妹子为了安慰你便把她的闺蜜推给了你。然后你发现你之前的结论不适用了，所以只能重新开始约朋友圈的妹子。 假设过了好久好久之后，你成功的总结了一个找妹子的经验，找到了一个优秀的另你满意的妹子了，你很开心的和她在一起了。丑媳妇也要见公婆的，终于到了你把女朋友带回家给家长见面的时候了，你爸妈说，这女生太漂亮了，你管不住，坚决反对。 在你爸妈的反对下，你只能选择无奈的和妹子 say goodbye👋。最后的最后你和你爸妈摊牌，然后将你的择偶规则告诉你的家人，在他们的筛选下，你终于找到了符合**“所有”**预期标准属性的女朋友了。 是不是觉得很 dan 疼？ 回想一下上述的场景，是不是觉得十分 dan 疼，虽然最终结果是你找到了一个满意的女朋友，但是在找对象的过程中，你需要不断的更换标准（属性），而且每当你需要用一个新的标准（属性）去衡量一个妹子的时候，你只能手动更改你自己的规则。并且你需要了解所有繁杂的影响女朋友质量的因素（比如颜值、身材、贴心程度、可爱程度等等）。如果这些因素足够复杂，你很难手动分类所有类型的女生而做出精确的规则。 并且，不断的和不同的女生谈恋爱、试错不仅浪费时间，名声也不好。说不定还会被扣上一定渣男的帽子。 来类比下？ 其实上述就是一个非常不典型的机器学习的例子，我们来类比下： 机器学习（ML） 你可以从朋友圈随机挑选一些女生（假设你的异性缘足够的好）作为样本(training data)，然后列出所有女生的属性，比如身高、颜值、身材、学历、工作，等等(features)，以及是否贴心、黏人度、孝心，等等(output variables)。将这些抽象化的数据在机器学习算法里运行(classification/regression)，则 ML 算法构建一个模型：女生的属性——女生的质量。 然后等到下次你又遇见了一个女生了，你就可以用眼睛扫一下检查女生的属性（身材、颜值等）了(test data)，然后提供给 ML 算法，他就会根据之前生成的模型（model）预测这个妹子最终和你走到一起的可能有多大。 其实在机器学习构建模型过程中，内部使用的规则也许和上述例子中类似，但是也有可能是更复杂的规则，不过这些你并不需要关心。 你现在再去找对象就有很大信心了，而且更重要的时候，随着时间你的 ML 算法会自我提升(reinforcement learning)，当预测错误的时候（恋爱谈不下去就分手）矫正自身，随着读取更多的 training data 预测也会越来越精准。但是，最流弊的一点在于，你可以利用相同的算法而训练出不同的模型(model)，找女朋友可以用这个模型，那找秘书呢？（仿佛发现了什么不得了的事情 🤓，随便你想要训练出什么模型只要你高兴就好 ) 所以说对机器学习的最简单的理解，便是： 使用某种算法来对已有数据进行解析、学习，然后对真实世界中的数据/事件作出决策/预测。 那深度学习又是啥？ 深度学习，是实现机器学习的技术。对机器学习来说，特征提取并不简单。特征工程往往需要大量的时间去优化，而此时，深度学习便可以自动学习特征和任务之间的关联，还能从简单特征中提取复杂的特征。 深度学习是机器学习的许多方法之一，其他方法包括决策树学习、归纳逻辑程序设计、聚类、强化学习和贝叶斯网络等。 那深度学习是如何寻找那些复杂特征的呢？ 他是通过建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，如图象、声音、文本。其产生的灵感来自于大脑的结构和功能，即许多神经元的互联。 下图是我在知乎上看见的一个非常有趣的回答： 推荐大家去阅读下这个回答：👇...