1. 首页
  2. 机器学习

什么是机器学习?

机器学习就是对计算机一部分数据进行学习,然后对另外一些数据进行预测与判断。

机器学习的核心是“使用算法解析数据,从中学习,然后对新数据做出决定或预测”。也就是说计算机利用以获取的数据得出某一模型,然后利用此模型进行预测的一种方法,这个过程跟人的学习过程有些类似,比如人获取一定的经验,可以对新问题进行预测。

到目前为止,迄今为止提到的几乎所有成就都来自机器学习,这是AI的一个子集,占近年来该领域成就的绝大部分。今天,当人们谈论AI时,他们通常是在谈论机器学习。 

什么是机器学习?

简而言之,机器学习是计算机系统学习如何执行任务的方法,而不是通过编程来了解如何执行任务的方法。对机器学习的描述可以追溯到1959年,当时它是该领域的先驱Arthur Samuel发明的,他开发了世界上第一个自学习系统之一,即Samuel Checkers-Playing程序。

要学习这些系统将获得大量数据,然后将它们用于学习如何执行特定任务,例如理解语音或为照片添加字幕。该数据集的质量和大小对于构建能够准确执行其指定任务的系统很重要。例如,如果您要构建一个机器学习系统来预测房价,则培训数据应不仅包括房地产规模,还应包括其他显着因素,例如卧室数或花园大小。

机器学习成功的关键是神经网络。这些数学模型能够调整内部参数以更改其输出。在训练期间,向神经网络馈送数据集,该数据集教给它一些特定数据时应吐出的内容。具体来说,可能会向网络馈送介于0到9之间的数字的灰度图像以及一串二进制数字(零和一),这些二进制数字指示每个灰度图像中显示了哪个数字。然后将对网络进行训练,调整其内部参数,直到以高准确度对每个图像中显示的数字进行分类。然后,可以使用这个训练有素的神经网络对其他介于0到9之间的数字的灰度图像进行分类。

神经网络的结构和功能基于大脑中神经元之间的联系而非常松散。神经网络由互连的算法层组成,这些算法层将数据相互馈送,并且可以通过修改归因于数据的数据在这些层之间传递时的重要性来进行训练,以执行特定任务。在训练这些神经网络的过程中,数据在各层之间传递时所附加的权重将继续变化,直到神经网络的输出与所需的输出非常接近为止,此时网络将“学习”如何携带完成一项特定的任务。期望的输出可以是从正确地标记图像中的水果到根据其传感器数据预测电梯何时可能发生故障的任何事情。

机器学习的一个子集是深度学习,其中神经网络被扩展为具有大量可观数据层的庞大网络,这些庞大数据层是使用大量数据进行训练的。正是这些深度神经网络推动了计算机执行语音识别和计算机视觉等任务的能力的当前飞跃。

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站不拥有所有权,不承担相关法律责任。如发现有侵权/违规的内容, 联系QQ1841324605,本站将立刻清除。

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

服务热线:130-0886-1890

QR code