机器学习简介 - 科学网—博客.pdf

机器学习简介 机器学习是什么？ 机器学习教计算机执行人和动物与生俱来的活动：从经验中学习。 机器学习算法使用计算方法直接从数据中“学习”信息，而不依赖 于预定方程模型。当可用于学习的样本数量增加时，这些算法可自 适应提高性能。 更多数据、更多问题、更多解答 机器学习算法可从能够带来洞察力的数据中发现自然模式， 实际环境中的应用程序 帮助您更好地制定决策和做出预测。医疗诊断、股票交易、 随着大数据的增加，机器学习对于解决以下领域的问题变得 能量负荷预测及更多行业每天都在使用这些算法制定关键决策。 尤为重要： 媒体网站依靠机器学习算法从数百万种选择中筛选出为您推荐 的歌曲或影片。零售商利用这些算法深入了解客户的购买行为。 • 计算金融学，用于信用评估和算法交易 • 图像处理和计算机视觉，用于人脸识别、运动检测和对象检测 • 计算生物学，用于肿瘤检测、药物发现和 DNA 顺序分析 • 能源生产，用于预测价格和负荷 • 汽车、航空航天和制造业，用于预见性维护 • 自然语言处理 机器学习简介 3 机器学习的工作原理 机器学习采用两种类型的技术：监督式学习和无监督学习。监督式学 习根据已知的输入和输出训练模型，让模型能够预测未来输出；无监 督学习从输入数据中找出隐藏模式或内在结构。 无监督学习 聚类 仅基于输入数据对数 据进行分组和解释 机器学习 分类 监督式学习 基于输入和输出数 据开发预测模型 回归 机器学习简介 4 监督式学习 监督式机器学习旨在构建能够根据存在不确定性的证据做出预 使用监督式学习预测心脏病发作 测的模型。监督式学习算法接受已知的输入数据集和对数据的已 假设临床医生希望预测某位患者在一年内是否会心脏病发作。他们有 知响应（输出），然后训练模型，让模型能够为新输入数据的响应 以前就医的患者的相关数据，包括年龄、体重、身高和血压。他们知道 生成合理的预测。 以前的患者在一年内是否出现过心脏病发作。因此，问题在于如何将现 监督式学习采用分类和回归技术开发预测模型。 有数据合并到模型中，让该模型能够预测新患者在一年内是否会出现 心脏病发作。 • 分类技术可预测离散的响应 — 例如，