机器学习教程![]() 机器学习教程提供了机器学习的基本和高级概念。我们的机器学习教程是为学生和专业人士设计的。 机器学习是一项不断发展的技术,它使计算机能够从过去的数据中自动学习。机器学习使用各种算法利用历史数据或信息建立数学模型并进行预测.目前,它被用于各种任务,如图像识别,语音识别,电子邮件过滤,Facebook着,推荐系统等等。 本机器学习教程向您介绍了机器学习以及广泛的机器学习技术,例如监督,无人管理的,强化学习。您将学习回归和分类模型、聚类方法、隐马尔可夫模型和各种顺序模型。 什么是机器学习在现实世界中,我们周围的人可以通过他们的学习能力从他们的经验中学习任何东西,我们有计算机或机器,它们根据我们的指令工作。但机器也能像人类一样从经验或过去的数据中学习吗?这就是角色机器学习. ![]() 机器学习被认为是一个子集人工智能这主要涉及算法的开发,使计算机能够自己从数据和过去的经验中学习。机器学习这个术语是由亚瑟在1959.我们可以将其概括为: 机器学习使机器能够自动从数据中学习,从经验中提高性能,并在没有明确编程的情况下预测事物。 借助样本历史数据,这被称为训练数据,机器学习算法构建数学模型这有助于在没有明确编程的情况下做出预测或决定。机器学习将计算机科学和统计学结合起来,创建预测模型。机器学习构建或使用从历史数据中学习的算法。我们提供的信息越多,绩效就越高。 如果机器可以通过获取更多数据来提高性能,那么它就有学习的能力。 机器学习是如何工作的机器学习系统从历史数据中学习,建立预测模型,每当它收到新数据时,预测它的输出.预测输出的准确性取决于数据量,因为大量的数据有助于建立更好的模型,从而更准确地预测输出。 假设我们有一个复杂的问题,我们需要执行一些预测,所以我们不需要为它写代码,我们只需要将数据提供给通用算法,在这些算法的帮助下,机器根据数据构建逻辑并预测输出。机器学习已经改变了我们思考问题的方式。下面的框图解释了机器学习算法的工作原理: ![]() 机器学习的特点:
机器学习的需求对机器学习的需求与日俱增。需要机器学习的原因是,它能够完成太复杂的任务,一个人无法直接实现。作为人类,我们有一些局限性,因为我们无法手动访问大量的数据,所以为此,我们需要一些计算机系统,而机器学习让事情变得更容易。 我们可以通过向机器学习算法提供大量数据来训练它们,让它们自动探索数据、构建模型并预测所需的输出。机器学习算法的性能取决于数据量,可以由代价函数决定。在机器学习的帮助下,我们可以节省时间和金钱。 机器学习的重要性可以通过它的用例很容易理解,目前,机器学习被用于自动驾驶汽车,网络欺诈检测,人脸识别,Facebook好友推荐等。Netflix和亚马逊等各种顶级公司已经建立了机器学习模型,这些模型使用大量数据来分析用户的兴趣,并相应地推荐产品。 以下是显示机器学习重要性的一些关键点:
机器学习分类从广义上讲,机器学习可以分为三种类型:
![]() 1)监督学习监督学习是一种机器学习方法,我们向机器学习系统提供样本标记数据,以训练它,并在此基础上预测输出。 系统使用标记数据创建一个模型来理解数据集并了解每个数据,一旦训练和处理完成,我们就会通过提供样本数据来测试模型,以检查它是否预测准确的输出。 监督学习的目标是将输入数据与输出数据映射。监督学习是以监督为基础的,这和学生在老师的监督下学习是一样的。监督学习的例子是垃圾邮件过滤. 监督学习可以进一步分为两类算法:
2)无监督学习无监督学习是一种机器在没有任何监督的情况下学习的学习方法。 训练是用一组没有被标记、分类或分类的数据提供给机器的,算法需要在没有任何监督的情况下对这些数据采取行动。无监督学习的目标是将输入数据重组为新的特征或具有相似模式的一组对象。 在无监督学习中,我们没有预先确定的结果。这台机器试图从大量数据中找到有用的见解。它可以进一步分为两类算法:
3)强化学习强化学习是一种基于反馈的学习方法,在这种方法中,学习代理每做一个正确的动作就会得到奖励,每做一个错误的动作就会得到惩罚。智能体根据这些反馈自动学习并提高其性能。在强化学习中,智能体与环境相互作用并探索环境。智能体的目标是获得最多的奖励点,因此,它提高了自己的表现。 自动学习手臂运动的机器狗就是强化学习的一个例子。 注意:我们将在后面的章节中详细学习上述类型的机器学习。机器学习的历史在几年前(大约40-50年),机器学习只是科幻小说,但今天它已经成为我们日常生活的一部分。机器学习使我们的日常生活变得简单自动驾驶汽车来亚马逊虚拟助手“Alexa”.然而,机器学习背后的思想是如此古老,有着悠久的历史。以下是机器学习历史上发生的一些里程碑: ![]() 机器学习的早期历史(1940年前):
存储程序计算机时代:
计算机机械与智能:
游戏中的机器智能
第一个“AI”冬天:
机器学习从理论到现实
21岁的机器学习圣世纪
机器学习现状:现在机器学习在研究上有了很大的进步,它在我们身边无处不在,比如自动驾驶汽车,亚马逊Alexa,独桅艇,推荐系统等等。它包括监督,无人管理的,基于聚类的强化学习,分类,决策树,支持向量机算法等。 现代机器学习模型可用于进行各种预测,包括天气预报,疾病预测,股票市场分析等。 先决条件在学习机器学习之前,您必须具备以下基本知识,以便轻松理解机器学习的概念:
观众我们的机器学习教程旨在帮助初学者和专业人士。 问题我们向您保证,在学习我们的机器学习教程时,您不会发现任何困难。但如果在本教程中有任何错误,请将问题或错误贴在联系表格中,以便我们改进。
下一个话题
机器学习的应用
|