外行人都能看得懂的机器学习，错过了血亏！

前言

只有光头才能变强

没错，这篇主要跟大家一起入门机器学习。作为一个开发者，”人工智能“肯定是听过的。作为一个开发面试者，肯定也会见过”机器学习“这个岗位(反正我校招的时候就遇到过)。

可能还会听过或者见过“深度学习”、“神经网络”等等这些非常火的名词，那你对这些术语了解多少呢？

相信大家这几天在朋友圈也可以看到这照片：

// 通过if else 以人工穷举的方式来假装实现智能机器人聊天

希望阅读完本文中后，大家可以对这些术语和机器学习有一定的了解。

一、术语介绍

首先我们来简单看看人工智能、深度学习、机器学习这些术语和它们之间的关系究竟是怎么样的。

1.1人工智能

不知道听到“人工智能”大家会联想到什么，可能大多数都会想到科幻电影的机器人。

我们看来看看维基百科的定义：

人工智能（英语：Artificial Intelligence，缩写为 AI）亦称机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序的手段实现的人类智能技术。

人工智能也可以分成两类：

• 强人工智能：强人工智能观点认为“有可能”制造出“真正”能推理（Reasoning）和解决问题的智能机器，并且，这样的机器将被认为是具有知觉、有自我意识的。
  • 像绝大多数科幻电影中的机器人就是在这范畴
• 弱人工智能：弱人工智能观点认为“不可能”制造出能“真正”地推理和解决问题的智能机器，这些机器只不过“看起来”像是智能的，但是并不真正拥有智能，也不会有自主意识。
  • 我们目前阶段的人工智能，其实都是弱人工智能。

1.2机器学习

不知道听到“机器学习”大家会联想到什么。Emmm...反正我就是从字面的意思去理解：“机器可以自我学习”。

首先我们看一下维基百科是怎么说的：

机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科

简单来说：机器学习可以通过大量的数据或者以往的经验自动改进计算机程序/算法。

生成完模型f(x)之后，我们将样例数据丢进模型里边，就可以输出结果：

我们说机器学习可以自我学习，是因为我们会将样例数据也会丢到“历史数据”中，这样生成模型就会有一定的改动，从而达到“自我学习”的效果。

1.3它们之间的关系

等等，我们好像还没讲深度学习呢。我们从上面机器学习的介绍也可以知道，机器学习已发展为一门多领域交叉学科，机器学习中就有好多个经典的算法，其中就包含了神经网络(深度学习可看成是神经网络的升级版)。由于近几年深度学习发展迅猛，一些特有的学习手段相继被提出，所以越来越多的人将其单独看作一种学习的方法。

《机器学习 周志华》：

所谓深度学习，狭义地说就是“很多层”的神经网络，在若干测试和竞赛下，尤其涉及语音、图像等复杂对象的引用中，深度学习取得优越的性能。

所以我们可以总结出人工智能、机器学习、深度学习之间的关系是这样的：

• 机器学习，是实现人工智能的重要方法。
• 深度学习，是实现机器学习的技术。

想要了解更多，可参考：

• 人工智能、机器学习和深度学习的区别?
  • https://www.zhihu.com/question/57770020

二、机器学习入门

通过上面我们可以简单认为机器学习就是：利用计算机从历史数据找出规律，把这些规律用到未来不确定场景的决策中。

下面我们再来学习一下机器学习的一些入门知识。

2.1机器学习的术语

特征、样本、数据集、标记这些术语的说明：

特征(属性)所张成的空间叫做特征空间。

例如我们把“色泽”、"根蒂“、”敲声“作为三个坐标轴，则它们张成一个用于描述西瓜的三围空间，每个西瓜都可在这个空间中找到自己的坐标位置。由于空间中的每个点对应一个坐标向量，我们也把一个示例称为“特征向量”。

回到我们上面的图，再来讲讲“训练数据”、“训练”、“标记”：

2.2机器学习的分类

一般机器学习又可以分成以下几类：

• 监督学习
• 半监督学习
• 非监督学习
• 增强学习

2.2.1监督学习

监督学习：训练数据(Training Data)可以告诉我们要找的那个模型的输入(Input)与输出(Output，也就是我们说的label)之间有什么样的关系。

• 给出的数据都有“答案”或“标记”

训练数据："Java3y公众号"->好的公众号 ， "Java4y公众号"->不好的公众号。
输出结果：好的公众号或者不好的公众号

在监听学习下又分为两种算法：

• 回归(Regression)：结果是一个连续的数值(scalar)，而非类别
• 分类(Classification)：为训练数据进行分类别(多分类)
  • 二分类：类别只有两种结果(YES OR NO)

回归例子：知道前几天的PM2.5数值，预测一下明天的PM2.5数值。

二分类例子：判断一封邮件是垃圾邮件还是正常邮件。

多分类例子：将新闻帖子分类成不同的类别。

2.2.2非监督学习

非监督学习：训练数据(Training Data)没有对应“答案”或“标记”

训练数据："Java3y公众号" "Java4y公众号" "Java5y公众号" "Java6y公众号" "yyy公众号" "xxx公众号" "zzz公众号"
输出结果：("Java3y公众号" "Java4y公众号" "Java5y公众号" "Java6y公众号") ("yyy公众号" "xxx公众号" "zzz公众号") 分门类别

对没有“标记”的数据进行分类-聚类分析

聚类分析例子：在以前，中国移动有三个品牌：神州行、动感地带、全球通。我们给一堆的SIM卡交由学习算法训练，不告诉它每张SIM卡具体是什么卡，最后我们是可以将这些SIM卡分类别出来的。

2.2.3半监督学习

理解了监督学习和非监督学习，对于半监督学习就很容易理解了。

一部分数据有“标记”或者“答案”，另一部分数据没有

• 因为各种原因产生的标记缺失。

通常都会使用非监督学习手段对数据进行处理(特征提取、降维)，之后再只用监督学习手段做模型的训练和预测。

2.2.4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

每次行动，就给这次的行动评分，算法会根据评分来评估下一次的行动是好还是坏，最终不断改进。

例子：Alpha Go下每步棋的时候都会评估自己这次下得怎么样，通过最终的结果不断改进下的每步棋。

2.3机器学习的其他分类

除了我们上面所说的监督学习、非监督学习、半监督学习、增强学习之外，机器学习也可以分成：

• 在线学习：及时将样例数据作为训练数据对模型进行训练。
  • 需要加强对数据进行监控(有可能样本数据是脏数据，这样就破坏我们的模型)
• 离线(批量)学习：定时将样例数据作为训练数据对模型进行训练。
  • 不能很快的适应环境的变化

还有：

• 参数学习：一旦学到了参数，就不再需要原有的数据集。通过调参数就好了。
• 非参数学习：不对模型进行过多的假设，非参数不代表没参数。

最后

机器学习的核心在于算法上，这篇只是对机器学习的一个简单的入门，希望能对大家有所帮助。

机器学习资源，可关注我的公众号，回复“机器学习”即可领取。

• 有周志华《机器学习》电子版。吴恩达、李宏毅视频及笔记

乐于分享和输出干货的Java技术公众号：Java3y。

文章的目录导航：

• https://github.com/ZhongFuCheng3y/3y