01機器學習

參考

 

• 機器學習的基本思路
  • 現實問題抽象爲數學問題，機器解決數學問題從而解決現實問題
  • 通過訓練集，不斷識別特徵，不斷建模，最後形成有效的模型，這個過程就叫“機器學習”！
    • 認字的卡片在機器學習中叫——訓練集
    • “一條橫線，兩條橫線”這種區分不同漢字的屬性叫——特徵
    • 不斷學習的過程叫——建模
    • 學會了識字後總結出來的規律叫——模型
• 監督學習、非監督學習、強化學習
  • 監督學習是指我們給算法一個數據集，並且給定正確答案。機器通過數據來學習正確答案的計算方法
  • 非監督學習中，給定的數據集沒有“正確答案”，所有的數據都是一樣的。無監督學習的任務是從給定的數據集中，挖掘出潛在的結構。
  • 強化學習更接近生物學習的本質，因此有望獲得更高的智能。它關注的是智能體如何在環境中採取一系列行爲，從而獲得最大的累積回報。通過強化學習，一個智能體應該知道在什麼狀態下應該採取什麼行爲。
    • 最典型的場景就是打遊戲。
• 機器學習實操的7個步驟
  • 收集數據
    • 數據的數量和質量直接決定了預測模型的好壞。
  • 數據準備
    • 涉及到數據清洗，沒有什麼問題後，我們將數據分成3個部分：訓練集（60%）用來訓練模型、驗證集（20%）確保模型沒有過擬合、測試集（20%），用於後面的驗證和評估工作
  • 選擇一個模型

  • 訓練
    • 機器獨立就可以完成，整個過程就好像是在做算術題。因爲機器學習的本質就是將問題轉化爲數學問題，然後解答數學題的過程
  • 評估
    • 評估的指標主要有 準確率、召回率、F值
  • 參數調整
    • 完成評估後，改進訓練。通過調整參數來做到這一點。當進行訓練時，隱含地假設了一些參數，可以通過認爲的調整這些參數讓模型表現的更出色。
  • 預測（開始使用）