admin 管理员组

文章数量: 1184232

前言

本文章是拨珠自己的学习笔记，自用为主，学习请移步专门教程，若有错误请大佬轻喷，也欢迎同好交流学习。

本文将阐述三个问题。

  1. 什么是机器学习？

  2. 监督学习、无监督学习到底在干什么？

  3. 分类、回归、聚类又是怎么回事？

一、一句话说清：机器学习是干什么的？

想像你养了一只小狗。

  • 第一次，你把飞盘扔出去，小狗不知道要去捡。

  • 你反复示范、奖励，它慢慢学会“看到飞盘→跑过去→叼回来”。
    机器学习就是让电脑像小狗一样，通过“大量练习（数据）”自己学会一套规则，以后遇到新问题也能做出正确反应。

二、三个关键词：人工智能、机器学习、深度学习

用“套娃”来理解：

  • 人工智能（AI）：最大的套娃，目标让机器像人一样聪明。

  • 机器学习（ML）：实现AI的一种方法——让机器自己从数据里“练级”变强。

  • 深度学习（DL）：机器学习里的一个“大招”，用很深的神经网络处理图像、语音等复杂任务。

三、机器学习的四大门派

门派通俗解释举个栗子
监督学习老师带着练：题目+标准答案一起给给1000张“猫/狗”照片并告诉你每张是猫还是狗，让电脑学会辨认新照片
无监督学习自学：只给题目，不给答案给你一堆用户购物记录，让电脑自己把“相似购物习惯”的人分成几组
半监督学习少数老师+多数自学100张带标签的猫狗照 + 9000张没标签的照，一起学
强化学习试错升级：做对奖励，做错惩罚AlphaGo跟自己下围棋，赢了加分、输了扣分，越下越厉害

四、监督学习：有标准答案的练习册

  1. 分类问题（答案是一个类别）

    • 例：邮箱收到新邮件，系统判断是“垃圾邮件”还是“正常邮件”。

    • 再例：花瓣长5cm→大概率是“B品种花”。

  2. 回归问题（答案是一个数值）

    • 例：根据房子面积、地段来预测“房价是多少万元”。

    • 再例：根据往年降雨量预测“明天河流水位会涨到多少米”。

五、无监督学习：没有答案，自己找规律

最常见的是聚类（把相似的东西放一堆）。

  • 例：
    把一堆花瓣按“长度+宽度”画在坐标纸上，人眼都能看出两团点，电脑也能自动分成“很可能是两种花”。

  • 好处：
    给数据打好“疑似标签”后，人类再去确认，比人工一张张标省事多了。

六、一张图秒懂整体流程

原始数据 → 无监督学习先分堆（节省人工标注） → 得到带标签数据 → 交给监督学习模型训练 → 模型上线做预测

七、小结

  • 机器学习 = 让电脑用“数据练习”变聪明。

  • 监督学习：有答案，学“做题套路”。

    • 分类：答案是一类。

    • 回归：答案是一个数。

  • 无监督学习：没答案，自己找“谁和谁像”。

  • 深度学习：机器学习里用“多层神经网络”的大招。

本文标签： 机器 引言 学习笔记

版权声明：本文标题：【机器学习学习笔记】机器学习引言 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1766532417a3467389.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。