如何學(xué)習(xí)機(jī)器學(xué)習(xí)這門(mén)專業(yè)？許多人將機(jī)器學(xué)習(xí)斥之通向人工智能的途徑，只不過(guò)對(duì)于統(tǒng)計(jì)學(xué)家或商人而言，機(jī)器學(xué)習(xí)也也可以是一種極為強(qiáng)大的工具，也可以實(shí)現(xiàn)方法前所未有的強(qiáng)烈的預(yù)測(cè)結(jié)果。為么機(jī)器學(xué)習(xí)如此不重要?在

如何學(xué)習(xí)機(jī)器學(xué)習(xí)這門(mén)專業(yè)？

許多人將機(jī)器學(xué)習(xí)斥之通向人工智能的途徑，只不過(guò)對(duì)于統(tǒng)計(jì)學(xué)家或商人而言，機(jī)器學(xué)習(xí)也也可以是一種極為強(qiáng)大的工具，也可以實(shí)現(xiàn)方法前所未有的強(qiáng)烈的預(yù)測(cè)結(jié)果。

為么機(jī)器學(xué)習(xí)如此不重要?

在又開(kāi)始學(xué)習(xí)之前，我們想花一些時(shí)間強(qiáng)調(diào)什么WHY機(jī)器學(xué)習(xí)非常重要。

反正，每個(gè)人都明白人工智能或人工智能。正常情況，當(dāng)我們聽(tīng)到AI時(shí)，我們會(huì)想像之中機(jī)器人到處走動(dòng)，執(zhí)行與人類完全相同的任務(wù)?？墒?，我們可以所了解，只不過(guò)有些任務(wù)非常容易，但有些任務(wù)卻很困難，而且相隔占據(jù)像人類一樣的的機(jī)器人還有很長(zhǎng)的路要走。

但是，機(jī)器學(xué)習(xí)是相當(dāng)神秘的并且早必然。它可以不被納入AI的一部分，因?yàn)楫?dāng)我們一想到AI時(shí)，我們預(yù)料的大部分內(nèi)容也是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的。

在過(guò)去，我們不會(huì)相信未來(lái)的這些機(jī)器人將必須向我們?nèi)W(xué)習(xí)一切。只不過(guò)人腦是急切的，并且并非這個(gè)可以快速具體解釋其配合協(xié)調(diào)的所有動(dòng)作和活動(dòng)。1959年，亞瑟·塞繆爾(Arthur Samuel)做出了一個(gè)神來(lái)之筆的主意，即我們不必須教計(jì)算機(jī)，但我們估計(jì)讓他們自己去學(xué)習(xí)。塞繆爾(Samuel)也人類創(chuàng)造了“機(jī)器學(xué)習(xí)”一詞，從那一刻起，當(dāng)我們談起機(jī)器學(xué)習(xí)過(guò)程時(shí)，我們指的是計(jì)算機(jī)自主學(xué)習(xí)的能力。

機(jī)器學(xué)習(xí)有哪些應(yīng)用?

在準(zhǔn)備這篇文章的內(nèi)容時(shí)，我寫(xiě)下了還沒(méi)有進(jìn)一步那說(shuō)明的示例，假設(shè)條件所有人都熟悉它們。然后再我想：人們明白這些是機(jī)器學(xué)習(xí)的例子嗎?

讓我們決定一些。

自然語(yǔ)言處理，.例如翻譯。如果您其實(shí)百度翻譯是一本相當(dāng)好的字典，請(qǐng)?jiān)倏紤]到一下。百度翻譯本質(zhì)上是一組機(jī)器學(xué)習(xí)算法。百度不不需要可以更新百度Translate它會(huì)據(jù)有所不同單詞的使用情況自動(dòng)啟動(dòng)更新。

哦，哇還有什么?

只不過(guò)依舊是主題，但Siri，Alexa，Cortana大都語(yǔ)言識(shí)別和寶石合成的實(shí)例。有些技術(shù)也可以使這些助手識(shí)別或發(fā)音以前從來(lái)都沒(méi)有看到過(guò)的單詞。他們現(xiàn)在能做的事令人難以置信，但在將來(lái)的某一天，它們將給人留下來(lái)深刻的印象!

SPAM過(guò)濾?？胺Q驚艷，但值得注意的是，SPAM繼續(xù)按照一組規(guī)則。它自己知道一點(diǎn)了什么是垃圾郵件，什么不是垃圾郵件。

推薦系統(tǒng)。Netflix，淘寶，F(xiàn)acebook。推薦推薦給您的所有內(nèi)容都取決于您的搜索活動(dòng)，比較喜歡，以前的行為等等。一個(gè)人不可能像這些網(wǎng)站差不多提出適合我您的推薦。最重要的是，他們跨平臺(tái)，跨設(shè)備和跨應(yīng)用程序先執(zhí)行此操作。即便有些人以為它是侵蝕性的，但常見(jiàn)，數(shù)據(jù)并非由人去處理的。正常情況，它是這等緊張，使得人類不能完全掌握它。不過(guò)，機(jī)器將賣(mài)方與買(mǎi)方配對(duì)，將電影與潛在因素觀眾配對(duì)，將照片與期望再看的人配對(duì)。這極高地可以改善了我們的生活。

說(shuō)起這，淘寶占據(jù)極為出色的機(jī)器學(xué)習(xí)算法，它們也可以水平距離確認(rèn)地預(yù)估您將網(wǎng)上購(gòu)買(mǎi)什么包括何時(shí)去購(gòu)買(mǎi)。那就，他們?cè)趺刺幚磉@些信息?他們將產(chǎn)品物資到最近的倉(cāng)庫(kù)，而您可以在當(dāng)天訂購(gòu)并收到產(chǎn)品。無(wú)法置信!

金融機(jī)器學(xué)習(xí)

我們名單上的下一個(gè)是金融交易。交易牽涉副本行為，不停的變化的數(shù)據(jù)在內(nèi)從政治到司法的各種因素，這些因素與傳統(tǒng)金融相距甚遠(yuǎn)。哪怕金融家無(wú)法預(yù)測(cè)很多這種行為，但是機(jī)器學(xué)習(xí)算幫忙照顧到情況，并且對(duì)市場(chǎng)的變化提出做出反應(yīng)的速度比人們想像的要快。

這些都是業(yè)務(wù)實(shí)現(xiàn)程序，但也有更多。您可以預(yù)測(cè)員工是否需要會(huì)留在公司或趕回公司，或則可以考慮客戶有無(wú)值得您凈顧-他們很可能會(huì)從競(jìng)爭(zhēng)對(duì)手那里去購(gòu)買(mǎi)應(yīng)該根本就不可能不網(wǎng)上購(gòu)買(mǎi)。您這個(gè)可以優(yōu)化流程，預(yù)測(cè)銷售，突然發(fā)現(xiàn)追蹤的機(jī)會(huì)。機(jī)器學(xué)習(xí)為機(jī)會(huì)界域了一個(gè)全新的世界，這對(duì)在公司戰(zhàn)略部門(mén)工作的人們來(lái)說(shuō)，這是一個(gè)可以夢(mèng)想。

無(wú)論如何，這些已在這里使用。接著，我們將再次進(jìn)入自動(dòng)駕駛汽車(chē)的新境界。

機(jī)器學(xué)習(xí)算法

直到此時(shí)最近幾年，無(wú)人駕駛汽車(chē)我還是科幻小說(shuō)。好吧，不再繼續(xù)了。自動(dòng)駕駛汽車(chē)也驅(qū)動(dòng)了數(shù)百萬(wàn)英里(就算又不是數(shù)十億英里)。那是怎摸不可能發(fā)生的?沒(méi)有一套規(guī)則。只是一組機(jī)器學(xué)習(xí)算法，使汽車(chē)去學(xué)習(xí)了怎么相當(dāng)放心有效地摩托車(chē)駕駛。

我們是可以再繼續(xù)學(xué)習(xí)幾個(gè)小時(shí)，但我完全相信您的主旨是：“我想知道為什么要可以使用機(jī)器學(xué)習(xí)”。

并且，對(duì)您來(lái)說(shuō)，這并非為什么的問(wèn)題，反而要如何的問(wèn)題。

這就是我們的Python機(jī)器學(xué)習(xí)課程所要解決的問(wèn)題。蓬勃發(fā)展的數(shù)據(jù)科學(xué)事業(yè)中最有用的技能之一-如何能修改機(jī)器學(xué)習(xí)算法!

要如何創(chuàng)建機(jī)器學(xué)習(xí)算法?

舉例我們也提供給了再輸入數(shù)據(jù)，創(chuàng)建家族機(jī)器學(xué)習(xí)算法到了最后那樣的話確立一個(gè)輸出錯(cuò)誤的信息的模型。

現(xiàn)在，將此模型其為黑匣子。我們需要提供鍵入，并提供給輸出?；蛘撸_定到進(jìn)來(lái)幾天的氣象信息，我們可能想創(chuàng)建角色一個(gè)分析預(yù)測(cè)明天天氣的模型。我們將再輸入模型的再輸入這個(gè)可以是度量，的或溫度，濕度和降水。我們將額外的輸出將是明天的天氣預(yù)報(bào)。

現(xiàn)在，在對(duì)模型的輸出感覺(jué)到滿意和有自信之前，我們前提是訓(xùn)練模型。訓(xùn)練是機(jī)器學(xué)習(xí)中的核心概念，畢竟這是模型去學(xué)習(xí)該如何解釋輸入數(shù)據(jù)的過(guò)程。訓(xùn)練訓(xùn)練完模型后，我們這個(gè)可以簡(jiǎn)單啊地將其鍵入數(shù)據(jù)并完成任務(wù)輸出。

怎么訓(xùn)練機(jī)器學(xué)習(xí)算法?

訓(xùn)練算法背后的都差不多邏輯牽涉到四個(gè)要素：

a.數(shù)據(jù)

b.模型

c.目標(biāo)函數(shù)

d.優(yōu)化算法

讓我們深入每個(gè)。

是需要，我們需要準(zhǔn)備當(dāng)然數(shù)量的數(shù)據(jù)參與訓(xùn)練。

常見(jiàn)，這是歷史數(shù)據(jù)，很容易獲得。

其次，我們要一個(gè)模型。

我們這個(gè)可以訓(xùn)練的最簡(jiǎn)單模型是線性模型。在天氣預(yù)報(bào)示例中，這將換句話說(shuō)不能找到一些系數(shù)，將每個(gè)變量與它們相乘，接著將所有結(jié)果階乘以換取輸出。但是，正如我們稍等片刻將看到的那樣的話，線性模型僅僅冰山一角。依靠線性模型，深度機(jī)器學(xué)習(xí)使我們可以修改緊張的線性模型。它們常見(jiàn)比簡(jiǎn)單點(diǎn)線性關(guān)系更合適地模型擬合數(shù)據(jù)。

第三個(gè)要素是目標(biāo)函數(shù)。

到據(jù)我所知，我們資源了數(shù)據(jù)，并將其再輸入到模型中，并我得到了輸出。其實(shí)，我們?nèi)绻艽溯敵霰M很有可能接近求實(shí)際情況。大數(shù)據(jù)分析機(jī)器學(xué)習(xí)AI入門(mén)指南這那就是目標(biāo)函數(shù)會(huì)出現(xiàn)的地方。它估記總平均而言，模型輸出的正確性。整個(gè)機(jī)器學(xué)習(xí)框架歸結(jié)為360優(yōu)化此功能。的或，如果我們的函數(shù)也在準(zhǔn)確測(cè)量模型的預(yù)測(cè)誤差，則我們希望將該誤差最小化，或是換句話說(shuō)，將目標(biāo)函數(shù)小化。

我們結(jié)果的要素是優(yōu)化算法。它由機(jī)制分成，按照這些機(jī)制我們可以不可以修改模型的參數(shù)以360優(yōu)化目標(biāo)函數(shù)。.例如，如果我們的天氣預(yù)報(bào)模型為：

明天的天氣等于：W1乘以2溫度，W2乘以3濕度，優(yōu)化算法肯定會(huì)經(jīng)由200元以內(nèi)值：

W1和W2是將更改的參數(shù)。對(duì)于每組參數(shù)，我們將計(jì)算目標(biāo)函數(shù)。然后，我們將你選擇本身高了預(yù)測(cè)能力的模型。我們?cè)跄┣宄囊粋€(gè)最好是?好吧，那將是本身最佳的位置目標(biāo)函數(shù)的那個(gè)，并非嗎?好的。大!

您是否是盡量到我們說(shuō)了四個(gè)成分，而也不是說(shuō)了四個(gè)步驟?這是無(wú)意的，是因?yàn)闄C(jī)器學(xué)習(xí)過(guò)程是迭代的。我們將數(shù)據(jù)輸入模型，并實(shí)際目標(biāo)函數(shù)比較準(zhǔn)確性。接著，我們更改模型的參數(shù)并亂詞你操作。當(dāng)我們都沒(méi)有達(dá)到?jīng)]能再優(yōu)化系統(tǒng)或不必須優(yōu)化的程度時(shí)，我們將突然停止，是因?yàn)槲覀冊(cè)缇驼业搅私鉀Q了問(wèn)題的充足好的解決方案。

什么書(shū)籍可以清晰講解機(jī)器學(xué)習(xí)算法的求解算法？例如:SOM EM貪心，動(dòng)規(guī)劃？

在這個(gè)自媒體和各路AI培訓(xùn)課程極其拉風(fēng)的時(shí)代，怎么中,選擇才適合自己的信息稍顯尤為重要。

針對(duì)該問(wèn)題的答案，是需要要清楚自己所問(wèn)問(wèn)題的打算提升到的學(xué)習(xí)結(jié)果也可以層次。要是是從唯一打聽(tīng)一下算法原理，掌握到算法作者的思路和想法的角度去再理解算法，學(xué)習(xí)算法，個(gè)人建議建議參考區(qū)分“第一性原理”，即悟原理論文。畢竟原著論文是最將近作者本意，是沒(méi)有當(dāng)經(jīng)過(guò)后期任何去加工和直接修改的，最能具體闡述作者思路的起點(diǎn)性素材，下降了后來(lái)的加工，都能夠讓讀者零距離交流和論文作者接受思想的碰撞和交流。

其實(shí)，對(duì)一些初入門(mén)的學(xué)習(xí)人員也可以對(duì)英文閱讀理解存在是有障礙的，可以不讀一些后來(lái)我們進(jìn)行翻譯成，消化解釋過(guò)的文章，這方面知乎是個(gè)確實(shí)不錯(cuò)的地方。

要是只是因?yàn)闉榱舜蟾徘闆r知道一點(diǎn)該算法起的作用，基于了什么效果這些使用場(chǎng)景、怎用等，那查一查wiki或?qū)嶋H代碼跑跑，這樣的話會(huì)印象比較哲理性。

另，多說(shuō)一點(diǎn)，除開(kāi)手中掌握使用方法和算法原理，潛近代碼內(nèi)部了解算法內(nèi)部實(shí)際代碼實(shí)現(xiàn)過(guò)程確實(shí)是種比較好的學(xué)習(xí)方法，還能夠從算法理論加強(qiáng)偽代碼差不多基于過(guò)程，會(huì)給自己一定啟發(fā)。

.例如，sklearn對(duì)很多算法都做了裸芯片，有最詳細(xì)的文檔，但唯一去進(jìn)入到代碼層面分析每個(gè)算法的內(nèi)部實(shí)現(xiàn)機(jī)制，我還是會(huì)發(fā)現(xiàn)一些完全不同和優(yōu)化系統(tǒng)的價(jià)值點(diǎn)的，也許相對(duì)于算法的理解會(huì)更加哲理。