1 机器学习组件

机器学习是人工智能的一个分支，机器学习主要由图所示的组件构成，即：数据、模型、目标函数、算法。

​图1 机器学习组件​

数据： 数据集由一个个独立的样本组成，样本（数据点/数据实例）由一组称为特征的属性构成，监督学习还会包含标签。

模型： 对数据的处理，根据输入的数据给出相应的结果。模型存在一些列参数，参数可以影响模型的效果。

目标函数： 用来量化模型的有效性。

算法： 调整模型参数以优化模型的效果。

‍

2 机器学习分类

2.1 监督学习

监督学习(supervised learning)擅长在“给定输入特征”的情况下预测标签。训练时需要提供一个聚到的训练样本集，每个样本包含特征和相应标签值。

监督学习包含如下几类问题：

  • 回归：根据特征评估标签值（e.g. 价格）。
  • 分类：预测样本属于属于哪个分类。
  • 标记：预测样本包含多个不互相排斥的分类。
  • 搜索：对搜索结果进行排序。
  • 推荐：个性化推荐。
  • 序列学习：样本之间存在前后联系（翻译）。

2.2 无监督学习

无监督学习的训练样本集不提供标签。主要处理如下的问题：

  • 聚类：对数据进行分类。
  • 主成分分析：用少量参数来描述数据的线性属性（运动轨迹：速度、方向、加速度）。
  • 因果关系：影响数据的根本原因。
  • 生成对抗性网络：合成数据。

2.3 强化学习

监督学习与非监督学习都是一种离线学习，首先从环境中收集足够的样本进行训练，然后在环境中使用，训练好的模型不再受环境影响。

强化学习则是与环境进行交互，其过程可以描述如下：在每个特定时间点,智能体从环境 接收一些观察,并且必须选择一个动作,然后通过某种机制将 其传输回环境,最后智能体从环境中获得奖励。

​图2 强化学习与环境的交互​

3 深度学习

深度学习是一种解决机器学习问题的一种工具，其依赖于数据与神经网络编程。深度是指其使用了多层模型。

‍

‍

参考文献

[1] 《动手学深度学习》 — 动手学深度学习 2.0.0 documentation[EB/OL]. [2024-12-21]. https://zh.d2l.ai/.

‍