機器學習的定義：

機器學習(Machine Learning, ML)是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復(fù)雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

?

機器學習的應(yīng)用實例：

　　1.學習關(guān)聯(lián)性

在零售業(yè)中，機器學習的應(yīng)用就是購物籃分析，任務(wù)就是發(fā)現(xiàn)顧客所購商品之間的關(guān)聯(lián)性。

?

　　2.分類

　　　　2.1信貸行業(yè)，做好風險評估，以及做好銀行貸款問題中的信用評分。還有就是做好預(yù)測，通過學習過去的數(shù)據(jù)，例如收入和存款等，然后預(yù)測此客戶的是高風險客戶還是低風險客戶。

?

　　　　2.2 機器學習在模式識別中也有應(yīng)用，其中之一就是光學字符識別（optional character recognition，OCR）,即從字符圖像識別字符編碼。

?

　　　　2.3 人臉識別，輸入的是人臉圖像，類是需要識別的人，并且學習程序應(yīng)當學習人臉圖像與身份之間的關(guān)聯(lián)性。

　　　　2.4 醫(yī)學診斷。輸入的是患者的信息，而類是疾病。

?

　　　　2.5 語音識別。輸入的是語音，類是可以讀出的詞匯。語音方面的難題就是每個人、每個地域的說話不一樣。這是未來的研究領(lǐng)域。

?

　　　　2.6 生物測定學，使用人的生理和行為特征來識別或認證人的身份，需要集成來自不同形態(tài)的輸入。生理特征的例子是面部圖像、指紋、虹膜和手掌；行為特征的例子是：簽字的力度、嗓音、步態(tài)和擊鍵。

?

　　　　2.7 機器學習還可以進行壓縮，用規(guī)則擬合數(shù)據(jù)，能夠得到比數(shù)據(jù)更簡單的解釋，需要的存儲空間更少，處理需要的計算更少。

?

　　　　2.8 離群點檢測，即發(fā)現(xiàn)哪些不遵守規(guī)則的例外實例。

?

　　3.???? 回歸

???????????????????????機器學習的應(yīng)用例子：對機器人的導(dǎo)航，例如現(xiàn)在的自動駕駛汽車導(dǎo)航。

　　4.???? 非監(jiān)督學習

　　在監(jiān)督學習中，目標是學習從輸入到輸出的映射關(guān)系，其中的輸出是正確值已經(jīng)由指導(dǎo)者提供。

　　非監(jiān)督學習是沒有指導(dǎo)者，單純只有輸入數(shù)據(jù)，目標是發(fā)現(xiàn)輸入的數(shù)據(jù)中的規(guī)律。

　　　　密度估計的概念：

　　　　　　輸入空間存在某種結(jié)構(gòu)，使得特定的模式比其他的模式更常出現(xiàn)，而我們希望知道哪些常發(fā)生，那些不常發(fā)生，在統(tǒng)計學中，稱之為密度估計（Density estimation）

　　　　密度估計的方法：聚類———目標是發(fā)現(xiàn)輸入數(shù)據(jù)的蔟和分組。

?

　　　　聚類的應(yīng)用之一————圖像壓縮，輸入實例是由RGB值表示的圖像像素。

?

在文本聚類中，目標是把相似的文檔分組。

?

　　5.???? 增加學習

　　機器學習程序就是應(yīng)當能夠評估策略的好壞程度，并從以往的動作序列中學習，以便能夠產(chǎn)生策略，這種學習方法稱之為增強學習（Reinforcement learning）算法。

?

參考書籍：《機器學習導(dǎo)論》

?

轉(zhuǎn)載于:https://www.cnblogs.com/launolife/p/9674032.html

總結(jié)

以上是生活随笔為你收集整理的ML机器学习导论学习笔记的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。