机器学习概览

版权声明：未经允许，随意转载，请附上本文链接谢谢（づ￣3￣）づ╭❤～
http://blog.csdn.net/xiaoduan_/article/details/79327703

机器学习概览

人工智能与机器学习的关系图

什么是机器学习

机器学习的分类

监督学习

给机器的训练数据拥有“标记”或者“答案”

非监督学习

给机器的训练数据没有任何“标记”或者“答案”

半监督学习

一部分数据有“标记”或者“答案”，另一部分数据没有。更常见：各种原因产生的标记缺失

增强学习

根据周围环境的情况，采取行动，根据采取行动的结果，学习行动方式。

机器学习的其他分类

在线学习和批量学习（离线学习）

批量学习 Batch Learning

+ 优点 ：简单
+ 问题 ：如何适应环境
+ 解决方案：定时批量学习
+ 缺点：每次批量学习，运算量巨大，在某些环境变化非常快的情况下甚至不可能

在线学习 Online Learning

+ 优点：及时反映新环境变化
+ 问题：新数据带来不好的变化
+ 解决方案：需要加强对数据的监控
+ 其他：也适用于数据量巨大，完全无法批量学习的环境

参数学习与非参数学习

参数学习 Parametric Learning

一旦学到了参数，就不再需要原有的数据集

非参数学习 Nonparametric Learning

不对模型进行过多的假设

注意：无参数学习不代表没有参数！

如何选择机器学习算法？

奥卡姆的剃刀

• 简单就是最好的
• 到底在机器学习领域，什么叫“简单”？

没有免费的午餐定理

• 可以严格地数学推导出：任意两个算法，他们的期望性能是相同的！
• 具体到某个特定问题，有些算法可能更好
• 但没有一种算法，绝对比另一种算法好