關於機器學習簡介

每日分享最新，最流行的軟體開發知識與最新行業趨勢，希望大家能夠一鍵三連，多多支援，跪求關注，點贊，留言。

“機器智慧將是人類必須做出的最後一項發明。”

-尼克博斯特羅姆

概括

機器學習只是使用資料教計算機如何在沒有程式設計的情況下做某事的行為。

在某些特殊情況下，使用機器學習演算法會產生重大影響，而在某些情況下，使用機器學習會產生不太理想的結果。

機器學習根據它們的工作和執行操作的方式大致分為幾類。

如果您想知道什麼是機器學習？

在您的專案中使用機器學習的最佳時間，以及什麼構成了機器學習系統？

那麼假如我，讓我們找出答案。

意義

對於機器學習這個詞，我會給你兩種含義，一種是簡單的，一種是複雜的（當你想要看起來你真的知道你在說什麼時使用的那個；））

簡單來講

機器學習只是使用資料來教計算機，這樣它們就可以執行操作，而無需您對其進行程式設計。

複雜的說

這是當計算機程式從經驗 E 中學習關於某個任務 T 和某個效能度量 P 的情況，如果它在任務 T 上的效能 P 隨著經驗 E 的增加而提高，那麼機器學習就被稱為發生了。

機器學習大放異彩的時刻

機器學習很棒，但在某些時候使用它會有缺點而不是優點。

我不會對此進行討論，但是如果您對此感興趣，則應該在此處檢視這篇文章。

我將專注於使用機器學習將產生巨大影響的時刻。

現有解決方案需要大量手動調整或一長串規則的問題

：您是否曾經有一個專案，您必須為計算機的用途提供一長串手寫規則？

垃圾郵件過濾器就是一個很好的例子，想象一下構建一個系統，您必須手動編碼系統必須注意的垃圾郵件的確切型別，使用機器學習，您不必編寫日誌規則，只需給出機器資料，其餘的由它完成。

使用傳統方法根本沒有好的解決方案的複雜問題

：機器學習特別適用於舊的做事方式不能以最佳方式工作的問題。

讓我們以玩遊戲為例，您能想象在沒有機器學習的情況下計算機贏得特定國際象棋遊戲之前您必須編寫的 if/else 語句的數量嗎？

波動的環境

：想象一個有不同場景和外觀狀態的地方，讓我們以一盤國際象棋為例，其中有 400 種可能的棋盤設定和 197，742 種可能的遊戲。

機器學習非常適合這種情況，因為它能夠適應新資料，在這種情況下是對手的舉動。

深入瞭解複雜問題和大量資料

就像您可以發現特定客戶何時懷孕一樣，因為在過去的幾週中，您的資料顯示她一直在購買很多嬰兒用品（我會說出嬰兒用品的名稱，但我不認識它們），並且您可以向她傳送一份目錄你的新寶貝東西，你實際上會讓她感興趣。

這是谷歌對其定向廣告所做的工作的藍圖。

機器學習系統

機器學習系統分為三大類，根據很多東西進行分類，比如它們如何接收資料等。

他們是否接受過人工監督訓練（*監督學習、無監督學習和強化學習）*。

他們是否可以增量學習或動態學習（

線上與批次學習

）

他們是否透過簡單地將新資料點與已知資料點進行比較來工作，或者他們是否像科學家一樣檢測訓練資料中的模式並構建預測模型（基於例項的學習與基於模型的學習）