初学者机器学习教程

本文教程将帮助您了解：

• 用类比理解机器学习
• 什么是机器学习？
• 最大的困惑 AI vs ML vs DeepLearning
• 了解监督学习
• 了解无监督学习
• 了解强化学习
• 使用 Python 进行机器学习

 

用类比理解机器学习

 

作为人类：假设有一天你去买芒果。卖水果的老奶奶有一辆装满芒果的手推车，你可以从中挑选任意你看中的芒果，称重并根据单价进行汇总付款。 

任务：你将如何选择最好的芒果？

下面是一组学习，人类从他买芒果的经验中获得的，你可以深入了解其过程从而进一步获取其经验。通过了解挑选过程，你会很容易地将它与机器学习联系起来。

学习一：鲜黄色的芒果比淡黄色的更甜

经验一：

你被告知明亮的黄色芒果比淡黄色的更甜。

所以你制定了一个简单的规则：只从亮黄色的芒果中挑选。你检查芒果的颜色，挑选亮黄色的，付钱，然后回家。这样就可以了？

学习二：小而亮的黄色芒果只有一半甜

经验二：

现在，当你回家品尝芒果时，有些芒果并没有你想象的那么甜。你很苦恼，因为你觉得自己懂的还不够。然后你得出的结论是，在购买芒果时，你不仅要寻找颜色。经过大量的琢磨和品尝不同种类的芒果，你得出的结论是，大的亮黄色芒果保证甜，而较小的亮黄色芒果只有一半甜（即如果你买了100个亮黄色芒果（50个大，其余50个小） ），那么50个大芒果都是甜的，而50个小芒果中相当于只有25个会甜）。然后，你将更新有关芒果购买的规则，从下次开始，你将牢记这一点。 

学习三：小的、淡黄色的是最甜的

经验三：

不幸的事发生了： 下一次在市场上，你看到你最喜欢的芒果已经被老奶奶下架了。你决定在大爷摊位购买，该摊位提供从本国不同地区种植的芒果。现在，你意识到你所学的规则（大的、亮黄色的芒果是最甜的）不再适用。你必须从头开始学习。你从大爷摊位那里品尝了每种芒果，然后意识到小的、淡黄色的实际上是最甜的。

学习四：软芒果多汁

经验四：

有一天，你的表妹从另一个城市拜访你。你决定用芒果招待。但她就说“我不在乎芒果的甜度，我只想要最多汁的”。现在你只能再次进行试吃购买，品尝各种芒果，并意识到越软的越多汁。

学习五：青芒果比黄芒果好吃

经验五：

后来，你搬到了新的城市，你发现这里的芒果味道和你的家乡出奇的不同。你意识到在这个城市，绿色芒果比黄色芒果好吃。

学习 6：你不再需要芒果了

经验六：

你嫁给了一个讨厌芒果但喜欢橘子的人。现在你去买橘子而不是芒果。现在，你积累的所有关于芒果的知识都一文不值。现在你必须通过同样的实验方法来了解橘子的物理特性和味道之间的相关性。 

如果你必须为它编写代码怎么办？

作为人类编写的代码：现在，假设你被要求编写一个计算机程序来选择您的芒果（或橙子）。你可以编写以下规则/算法：

if 是亮黄色的并且尺寸很大 ，或者小且淡黄色：芒果是甜的。
if (足够柔软): 芒果多汁

你将使用这些规则来选择芒果。

作为人类的结论：

每次从实验中做出新的观察时，都必须手动修改规则列表。

你必须了解影响芒果质量的所有因素的细节。如果问题变得足够复杂，可能很难手动制定涵盖所有可能类型芒果的准确规则。这需要大量的研究和努力，但并不是每个人都有这么多时间。

这就是机器学习能发挥作用的地方

什么是机器学习？

定义：机器学习是一个概念，它允许机器从示例和经验中学习，并且无需明确编程。因此，您无需编写代码，而是将数据提供给通用算法，算法/机器根据给定数据构建逻辑。

机器学习算法是普通算法的演变。它们允许程序自动从您提供的数据中学习，从而使您的程序“更智能”。算法主要分为：

• 训练阶段

• 测试阶段

训练阶段

你从市场上随机选择一批芒果样本（训练数据），制作一个表格，列出每个芒果的所有物理特征，如颜色、大小、形状、生长在哪个国家/地区、由哪个供应商销售等（特征），以及芒果的甜味、多汁性和成熟度（输出变量）。您将这些数据输入机器学习算法（分类/回归），它会学习一个普通芒果物理特征与其质量之间相关性的模型。

测试阶段

下次 购物时，你将获取您购买的芒果的特征（测试数据）并将其提供给机器学习算法。它将使用之前计算的模型来预测芒果是否甜美、成熟和/或多汁。该算法可以在内部使用规则，类似于您之前手动编写的规则（例如， 决策树）。 最后，您现在可以满怀信心地购买芒果，而不必担心如何选择最好的芒果的细节。

结论作为一种算法

你知道吗！你可以让你的算法随着时间的推移而改进（强化学习），这样当它在越来越多的训练数据集上得到训练时，它就会提高它的准确性。如果它做出错误的预测，它将自行更新其规则。

最好的部分是，你可以使用相同的算法来训练不同的模型。你可以分别创建一个来预测苹果、葡萄、香蕉或任何你想要的东西的质量。

最大的困惑 AI vs ML vs 深度学习

让我们在本机器学习教程中继续前进，并讨论最大的困惑之一。人们认为 AI、ML 和深度学习这三个都是一样的。但这是错误的！让我来解释说明下。

人工智能AI

人工智能是机器能够以更智能的方式执行任务的更广泛概念。它涵盖了任何使计算机能够像人类一样工作的东西。  

机器学习ML

机器学习是人工智能的一个子集，其基础是机器应该有权访问数据，并且应该让机器自己学习和探索。它处理从大型数据集中提取模式。

深度学习

深度学习是机器学习的一个子集，其中使用类似机器学习的算法来训练深度神经网络，以便在前者表现不佳的情况下获得更好的准确性。

让我们将机器学习拆分成子部分，看看它们是什么，它们是如何工作的，以及它们是如何在现实生活中使用的。

从监督学习开始说，那是什么？

扫码免登录支付

本文章为付费文章，是否支付1宇宙币后完整阅读？

如果您已购买过该文章，[登录帐号]后即可查看

支付1宇宙币