導(dǎo)讀：機器學(xué)習(xí)涉及方方面面的內(nèi)容，包含許多不同類型的算法，其學(xué)習(xí)方式也不相同。我們將簡要介紹這些學(xué)習(xí)方式及其對應(yīng)的情景。

作者：列奧納多·德·馬爾希（Leonardo De Marchi），勞拉·米切爾(Laura Mitchell)

來源：大數(shù)據(jù)DT（ID：hzdashuju）

我們可以根據(jù)算法執(zhí)行學(xué)習(xí)的方式將它們分為以下不同類別：

• 有監(jiān)督學(xué)習(xí)

• 無監(jiān)督學(xué)習(xí)

• 半監(jiān)督學(xué)習(xí)

• 強化學(xué)習(xí)

01 有監(jiān)督學(xué)習(xí)

有監(jiān)督學(xué)習(xí)是目前商業(yè)過程中最常見的機器學(xué)習(xí)形式。這些算法試圖找到映射輸入和輸出的函數(shù)的一個很好的近似。

為此，顧名思義，我們需要自己為算法提供輸入值和輸出值，并且嘗試找到一個能夠使預(yù)測值和實際輸出值之間誤差最小的函數(shù)。

學(xué)習(xí)階段稱為訓(xùn)練（training）。模型經(jīng)過訓(xùn)練后，可以針對未見過的數(shù)據(jù)預(yù)測輸出。此階段通常被視為評分或預(yù)測，如圖1-1所示。

▲圖?1-1

02 無監(jiān)督學(xué)習(xí)

無監(jiān)督學(xué)習(xí)適用于未標(biāo)記的數(shù)據(jù)，因此我們不需要實際的輸出值，僅需要輸入。它嘗試在數(shù)據(jù)中查找模式并根據(jù)這些共同屬性做出反應(yīng)，將輸入劃分為多個不同聚類（如圖1-2所示）。

▲圖 1-2

通常，無監(jiān)督學(xué)習(xí)通常與有監(jiān)督學(xué)習(xí)結(jié)合使用，以減少輸入空間并將數(shù)據(jù)中的信號集中在較少數(shù)量的變量上，但無監(jiān)督學(xué)習(xí)還有其他目標(biāo)。從這個角度來看，當(dāng)標(biāo)記數(shù)據(jù)很昂貴或不太可靠時，無監(jiān)督學(xué)習(xí)比有監(jiān)督學(xué)習(xí)更適用。

常見的無監(jiān)督學(xué)習(xí)技術(shù)有聚類（clustering）和主成分分析（Principal Component Analysis，PCA）、獨立成分分析（Independent Component Analysis，ICA），以及一些神經(jīng)網(wǎng)絡(luò)，例如生成對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）和自編碼器（Autoencoder，AE）。

03 半監(jiān)督學(xué)習(xí)

半監(jiān)督學(xué)習(xí)是介于有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)之間的一種技術(shù)。它可以說不屬于機器學(xué)習(xí)中一個單獨的類別，而只是有監(jiān)督學(xué)習(xí)的一種泛化，但在這將其單獨列出是有用的。

其目的是通過將一些有標(biāo)記的數(shù)據(jù)擴(kuò)展到類似的未標(biāo)記數(shù)據(jù)，從而降低收集標(biāo)記數(shù)據(jù)的成本。我們把一些生成模型分類為半監(jiān)督學(xué)習(xí)。

半監(jiān)督學(xué)習(xí)可以分為直推學(xué)習(xí)和歸納學(xué)習(xí)。直推學(xué)習(xí)適用于推斷未標(biāo)記數(shù)據(jù)的標(biāo)簽，歸納學(xué)習(xí)適用于推斷從輸入到輸出的正確映射。

我們可以看到此過程與我們在學(xué)校學(xué)習(xí)的大多數(shù)過程相似。老師向?qū)W生展示一些例子，并讓學(xué)生回家完成作業(yè)。為了完成這些作業(yè)，他們需要進(jìn)行泛化。

04 強化學(xué)習(xí)

強化學(xué)習(xí)（RL）是我們目前所見的最獨特的類別。這個概念非常有趣：該算法試圖找出一個策略來最大化獎勵總和。

該策略由使用它在環(huán)境中執(zhí)行動作的智能體來學(xué)習(xí)。然后，環(huán)境返回反饋，智能體使用該反饋來改進(jìn)其策略。反饋是對所執(zhí)行動作的獎勵，可以是正數(shù)、空值或負(fù)數(shù)，如圖1-3所示。

▲圖?1-3

關(guān)于作者：列奧納多·德·馬爾希（Leonardo De Marchi），目前是Badoo的數(shù)據(jù)科學(xué)家主管，Badoo是世界上的大型交友網(wǎng)站之一，擁有超過4億名用戶。他也是ideai.io（一家專門從事機器學(xué)習(xí)培訓(xùn)的公司）的首席教練，為大型機構(gòu)和有活力的初創(chuàng)企業(yè)提供技術(shù)和管理培訓(xùn)。他擁有人工智能專業(yè)碩士學(xué)位，曾在體育界擔(dān)任數(shù)據(jù)科學(xué)家。

勞拉·米切爾（Laura Mitchell），目前是Badoo的首席數(shù)據(jù)科學(xué)家。Laura在NLP、圖像分類和推薦系統(tǒng)等項目的交付方面具有豐富的實踐經(jīng)驗，包括從最初的構(gòu)思到產(chǎn)品化。她熱衷于學(xué)習(xí)新技術(shù)并緊跟行業(yè)趨勢。

本文摘編自《神經(jīng)網(wǎng)絡(luò)設(shè)計與實現(xiàn)》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《神經(jīng)網(wǎng)絡(luò)設(shè)計與實現(xiàn)》

點擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：本書是一本神經(jīng)網(wǎng)絡(luò)實踐進(jìn)階指南，適合對AI和深度學(xué)習(xí)感興趣并且想進(jìn)一步提高技能的讀者閱讀。

劃重點????

干貨直達(dá)????

• 10本最火的中臺與數(shù)字化轉(zhuǎn)型圖書，朋友圈都在傳
  

• 終于有人把碳達(dá)峰、碳中和講明白了
  

• 終于找到了！AI學(xué)習(xí)路線圖——從零基礎(chǔ)到就業(yè)
  

• 終于有人把數(shù)據(jù)倉庫講明白了

更多精彩????

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

讀書?|?書單?|?干貨?|?講明白?|?神操作?|?手把手

大數(shù)據(jù)?|?云計算?|?數(shù)據(jù)庫?|?Python?|?爬蟲?|?可視化

AI?|?人工智能?|?機器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP

5G?|?中臺?|?用戶畫像?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計，99%的大咖都關(guān)注了這個公眾號

????

總結(jié)

以上是生活随笔為你收集整理的4种不同类别的机器学习概述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。