机器学习
人工智能的三大概念
-
人工智能 AI
AI 是研究智能操作的计算代理
AI 是使用计算机来模拟而不是人脑 -
机器学习 ML
使计算机能够在无需明确编程的情况下进行学习的研究领域
-
深度学习 DL
也叫深度神经网络，大脑仿生，设计一层一层的神经元模拟万事万物
他们之间的关系:
- 机器学习是实现人工智能的一种途径
- 深度学习是机器学习的一种方法发展而来的
AI 发展的三要素 数据 算法 算力
1956年人工智能元年
样本/特征/标签
样本(sample) ：一行数据就是一个样本；多个样本组成数据集；有时一条样本被叫成一条记录
特征(feature) ：一列数据一个特征，有时也被称为属性
标签/目标(label/target) ：模型要预测的那一列数据。本场景是就业薪资
就业薪资 与 培训学科、作业考试、学历、工作经验、工作地点 5个特征有关系
特征如何理解（重点）：特征是从数据中抽取出来的，对结果预测有用的信息 eg:房价预测、车图片识别
- 训练集用来训练模型、测试集用来测试评估模型 。
- 一般划分比例7:3 ~ 8:2
有监督学习/ 无监督学习 / 半监督学习 / 强化学习
有监督学习
定义：输入数据是由输入特征值和目标值所组成，即输入的训练数据有标签的
数据集：需要标注数据的标签/目标值
分类问题
目标值（标签值）是不连续的
分类种类：二分类、多分类
回归问题
目标值（标签值）是连续的
无监督学习
定义：输入数据没有被标记，即样本数据类别未知，没有标签， 根据样本间的相似性，对样本集聚类，以发现事物内部 结构及相互关系。
数据集：不需要标注数据
特点:
1 训练数据无标签
2 根据样本间的相似性对样本集进行聚类，发现事物内部结构及相互关系
半监督学习
1 让专家标注少量数据，利用已经标记的数据（也就是带有类标签）训练出一个模型
2 再利用该模型去套用未标记的数据
3 通过询问领域专家分类结果与模型分类结果做对比
好处 : 大幅度降低标记成本
强化学习
1 强化学习（Reinforcement Learning）：机器学习的一个重要分支
2 应用场景：里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景
3 基本原理：通过构建四个要素：agent，环境状态，行动，奖励，agent根据环境状态进行行动获得最多的累计奖励。
机器学习建模流程
- 获取数据: 搜集与完成机器学习任务相关的数据集
- 数据基本处理: 数据集中异常值,缺失值的处理等
- 特征工程: 对数据特征进行提取、转成向量，让模型达到最好的效果
- 机器学习:选择合适的算法对模型进行训练 根据不同的任务来选中不同的算法；有监督学习,无监督学习,半监督学习,强化学习
- 模型评估: 评估效果好上线服务,评估效果不好则重复上述步骤
特征工程
- 特征提取: 原始数据中提取任务相关的特征
- 特征预处理: 特征对模型产生影响；因量纲问题，有些特征对模型影响大、有些影响小
- 特征降维: 将原始数据的维度降低，叫做特征降维，一般会对原始数据产生影响
- 特征选择: 原始数据特征很多，与任务相关是其中一个特征集合子集，不会改变原数据
- 特征组合: 把多个的特征合并成一个特征。利用乘法或加法来完成
拟合
- 拟合: 用在机器学习领域 用来表示模型对样本点的拟合情况
- 欠拟合: 模型在训练集上表现很差 测试集上也表现很差
- 过拟合: 模型在训练集上表现很好 测试集上表现很差
欠拟合产生的原因：模型过于简单
过拟合产生的原因：模型太过于复杂、数据不纯、训练数据太少
泛化 Generalization ：具体的、个别的扩大为一般的能力
奥卡姆剃刀原则：给定两个具有相同泛化误差的模型，倾向选择较简单的模型