机器学习(1)-概览

前言

系列博客均提取自李宏毅教授的机器学习课程，配套笔记如下：https://datawhalechina.github.io/leeml-notes/#/chapter1/chapter1 ，B站视频地址如下：https://www.bilibili.com/video/av59538266

机器学习的目标和手段

人工智能是人们想要达到的目标，机器学习是达成目标的一个手段，希望机器拥有自我学习的能力，而深度学习就是机器学习的其中一种方法。

机器学习的三个步骤

语音识别也好、图片识别也罢，都有一个共同的特点，就是需要找到一个 function(函数) ，把原始数据（语音、文字、图片）输入进去，得到我们期望的结果，就比如输入一张图片的信息，得到图片对应的文字转换结果，输入一篇邮件内容，得到这是否是一封垃圾邮件等。

整个机器学习分为两个部分，一个部分是 training(训练) ，另一个部分是 testing(测试)

就跟“把大象放进冰箱”一样，机器学习也分为三个步骤

– 定义函数集合（自动生成很多个函数）

– 衡量一个函数是好还是不好

– 选择最好的一个函数

相关技术以及其特点

监督学习

监督学习有一个很大的特点，就是需要准备大量训练资料，以筛选出合适的最佳的函数

预测场景

比如我们希望输入昨日和前日的PM2.5，预测明日的PM2.5，就需要提供一些训练资料，比如如下表格的资料

根据训练资料筛选出最佳的函数后，我们就可以输入昨天和今天的PM2.5数据拿到明天的预测数值

分类场景

比如想要识别垃圾邮件，输入是邮件内容，输出为是或否(0/1)，就需要准备大量的垃圾邮件和正常邮件的训练资料，筛选出最佳函数后，输入新的邮件内容，最终得到是否为垃圾邮件

或者存在多分类场景，比如新闻分类，输入新闻正文内容，输出其中一个分类： 体育 、 政治 、 金融 、 其他 ，训练筛选出最佳函数后，输入新的新闻正文，最终得到新闻分类

半监督学习

比如需要分类一张图片是 猫/狗，如果按照监督学习的思路，需要准备大量的被标记为 猫/狗/其他 的照片，但是半监督学习相关的技术能使用没有打标记的图片，配合部分打了标记的图片，筛选出合适的函数（模型），减少标记工作量

迁移学习

同样是分类 猫/狗，但是目前只有少量的标记图片，然后还有一堆与其不想关的图片，可以利用这些图片为模型带来一些帮助

PS:视频浅尝辄止，个人理解是类似排除法的思路

无监督学习

也就是谷歌之前的，机器本来不认识猫，但是通过自我学习，识别出一张图片是否是猫；

还比如输入很多动物的图片，让模型自动生成世界上没有的动物，像是牛头蛇身、狗头马身等，随手用鼠标涂抹，自动生成风景图片等。

下边是博主搜集的例子，能自动生成不存在的人脸 https://thispersondoesnotexist.com/

监督学习中的结构化学习

比如语音识别、人脸识别等场景，输入语音 Hello World！ ，会输出为对应的文字，给定一张照片，输出照片中的所有人脸数据

强化学习

就像是一个打分系统，比如目标是训练一个聊天机器人，我们不会告诉机器人正确回答应该是什么，但是会给机器人的答复打分，最后目标就是机器人的回复越来越自然。

PS:不过实际产品上看，就算是微软出的聊天机器人小冰，很多回复也不自然，都是以转移话题的形式继续聊

总结

机器学习可以分为三步，定义一个函数集合（自动生成），衡量函数是好还是不好（规则），选择一个最好的函数（自动）；

机器学习可细分为 监督学习、半监督学习、迁移学习、无监督学习、监督学习中的结构化学习、强化学习 等，核心思想是通过大量的训练资料和期望需求得到最佳处理函数，最终希望机器能拥有自我学习的能力；