初識Machine Learning

What is Machine Learning

定義

Arthur Samuel：Field of study that gives computers the ability to learn without being explicitly programmed（在沒有被明確編程的狀況下，賦予計算機學習能力的學習領域）。

Tom Mitchell：A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E（計算機程序從經驗E中學習在某一性能度量P下解決某一任務T，由於經驗E，它在解決T時的性能，以P來衡量，有所提高）。

Machine Learning 分類:

• Supervised Learning(監督學習)
  從給定的訓練數據集中學習出一個函數，當新的數據到來時，能夠根據這個函數來預測結果。監督學習的訓練集要求是輸入和輸出，也能夠說是特徵和目標。訓練集中的目標是人爲標註的。常見的監督學習算法包括迴歸和分類。

• Unsupervised Learning(無監督學習)
  無監督學習與監督學習相比，訓練集沒有人爲標註的結果。常見的無監督學習算法有聚類等。

• Semi-supervised Learning（半監督學習）
  這是一種介於監督學習與無監督學習之間的方法。

• Transfer Learning（遷移學習）
  將已經訓練好的模型參數遷移到新的模型來幫助新模型訓練數據集。

• Reinforcement Learning（加強學習）
  經過觀察周圍環境來學習。每一個動做都會對環境有所影響，學習對象根據觀察到的周圍環境的反饋來作出判斷。

傳統的機器學習算法有如下幾種：線性迴歸模型、logistic迴歸模型、k-臨近算法、決策樹、隨機森林、支持向量機、人工神經網絡、EM算法機率圖模型等。