数学加强 第一节 第一课
[toc]
什么是机器学习
对于某给定的任务 T, 在合理的性能度量方案 P 的前提下, 某计算机程序可以自主学习任务 T 的经验 E.
随着提供合适, 优质, 大量的经验 E, 该程序对于任务 T 的性能逐步提高.
换个表述:
机器学习是人工智能的一个分支. 我们使用计算机设计一个系统, 使它能够根据提供的训练数据按照一定的方式来学习.
随着训练次数的增加, 该系统可以在性能上不断学习和改进. 通过参数优化的学习模型, 能够用于预测相关问题的输出.
机器学习的对象
任务: Task, T. 一个或者多个
经验: Experience, E
性能: Performance, P
即: 随着任务的不断执行, 经验的累积会带来计算机性能的提升.
人类如何学习
我们如何从完全 "无知" 到掌握知识?
通过语言/颜色/形状等特征统计.
学习的类型:
1. 有监督的学习
2. 无监督的学习
3. 增强学习
机器学习的内涵与外延
可以解决什么
给定数据的预测问题
- 数据清洗/特征选择
- 确定算法模型/参数优化
- 结果预测
不能解决什么
- 大数据存储/并行计算
- 做一个机器人
举例
机器学习: 盯住 2 号位, 她很容易起快球
传统算法: 排球规则