机器学习的概念
机器学习是什么
- 机器学习的定义:
- 机器学习(Machine Learning,ML)主要研究计算机系统对特定任务的性能,逐步进行改善的算法和统计模型。
- 通过输入海量训练数据对模型进行训练,是模型掌握数据所蕴含的潜在规律,进而对新输入的数据进行准确的分类或预测。
- 是一门多领域交叉学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

机器学习的分类
有监督学习
提供数据并提供数据对应结果的机器学习过程。

- 监督学习(supervised Learning)算法构建了包含输入和所需输出的一组数据的数学模型。这些数据称为训练数据,由一组训练样本组成。
- 监督学习主要包括分类和回归。
- 当输出被限制为有限的一组值(离散数值)时,使用分类算法。
- 当输出可以具有范围内的任意数值(连续数值)时,使用回归算法。
- 相似度学习是和回归和分类都密切相关的一类监督机器学习,它的目标是使用相似性函数从样本中学习,这个函数可以度量两个对象之间的相似度或关联度。它在排名、推荐系统、视觉识别跟踪、人脸识别等方面都有很好的应用场景。
- 应用(预测房价或房屋出售情况):

无监督学习
提供数据并且不提供数据对应结果的机器学习过程。
- 无监督学习(Unsupervised Learning)算法采用一组仅包含输入的数据,通过寻找数据中的内在结构来进行样本点的分组或聚类。
- 算法从没有被标记或分类的测试数据中学习。
- 无监督学习算法不是相应反馈,而是要识别数据中的共性特征;对于一个新数据,可以判断其中是否存在这些特征,来做出相应的反馈。
- 无监督学习的核心应用是统计学中的密度估计和聚类分析。
- 应用:

强化学习
通过与环境交互并获取延迟返回进而改进行为的学习过程。
图谱

监督学习深入介绍
监督学习三要素

- 模型(model):总结数据的内在规律,用数学函数描述的系统。
- 策略(strategy):选取最优模型的评价准则。
- 算法(algorithm):选取最优模型的具体方法。
实现步骤
- 得到一个有限的训练数据集
- 确定包含所有学习模型的集合
- 确定模型选择的准则,也就是学习策略
- 实现求解最优模型的算法,也就是学习算法
- 通过学习算法选择最优模型
- 利用的到的最优模型,对新数据进行预测或分析
模型评估策略
- 模型评估:
- 训练集和测试集
- 损失函数和经验风险
- 训练误差和测试误差
- 模型选择:
训练集和测试集
我们将用来训练模型的数据称为训练集,将用来测试模型好坏的集合称为测试集
- 训练集:输入到模型中对模型进行训练的数据集合。
- 测试集:模型训练完成后测试训练效果的数据集合。
损失函数

经验风险

训练误差和测试误差

过拟合和欠拟合


欠拟合
- 模型没有很好地捕捉数据特征,特征集过小,导致模型不能很好地拟合数据,称之为欠拟合(under-fitting)
- 欠拟合的本质是对数据的特征“学习”得不够
过拟合
- 把训练数据学的太彻底,以至于把噪声数据的特征也学习到了,特征集过大,这样就就会导致在后期测试的时候不能很好地识别数据,即不能正确的分类,模型泛化能力太差,称之为过拟合(over-fitting)
模型的选择

正则化

交叉验证
- 数据集划分
- 如果样本数据充足,一种简单的方法是随机将数据集切成三部分:训练集(training set)、验证集(validation set)和测试集(test set)
- 训练集用于训练模型,验证集用于模型选择,测试集用于学习方法评估。
- 数据不充分时,可以重复地利用数据——交叉验证(cross validation)
- 简单交叉验证:
- 数据随机分为两部分,如70%作为训练集,30%作为测试集
- 训练集在不同的条件下(比如参数个数)训练模型,得到不同的模型
- 在测试集上评价各个模型的测试误差,选出最优模型
- S折交叉验证:
- 将数据随机切分为S个互不相交、相同大小的子集;S-1个做训练集,剩下一个做测试集
- 重复进行训练集、测试集的选取,有S种可能的选择
- 留一交叉验证
分类和回归
- 监督学习问题主要可以划分为两类:分类问题、回归问题。
- 分类问题预测数据属于哪一类别——离散
- 回归问题根据数据预测一个数值——连续
分类问题




回归问题的分类:
- 按照输入变量的个数:一元回归和多元回归
- 按照模型类型:线性回归和非线性回归
回归学习的损失函数——平方损失函数
如果选取平方损失函数作为损失函数,回归问题可以用著名的最小二乘法(least squares)来求解
模型求解算法
梯度下降算法
- 梯度下降(gradient descent)是一种常用的一阶优化方法,是求解无约束优化问题最简单、最经典的方法之一。
- 梯度方向:函数变化增长最快的方向(变量沿此方向变化时函数增长最快)
- 负梯度方向:函数变化减少最快的方向(变量沿此方向变化时函数减少最快)
- 损失函数是系数的函数,那么如果系数沿着损失函数的负梯度方向变化,此时损失函数减少最快,能够以最快速度下降到极小值。


牛顿法和拟牛顿法
