82、机器学习：概念、类型与无监督学习

机器学习：概念、类型与无监督学习

1. 机器学习简介

机器学习（ML）是一种日益普及的技术，在各个领域的预测和分类方法中发挥着关键作用。不过，尽管它是人工智能（AI）的一部分，但也存在局限性。很多时候，依赖数据的机器学习解决方案难以匹配人类的自然智能，并且在适应新问题或进行泛化时存在困难，因为它依赖于现有数据，往往忽略了时间和领域的变化。

从更广泛的角度看，AI 包含了多个方面，而 ML 只是其中的一个组成部分。AI 的长远目标是实现计算机对认知、感知和行动的全面控制。对于 ML 研究者来说，还有很长的路要走，例如可以引入某种推理形式来实现更完善的 AI 解决方案。

在描述 ML 理论和算法时，有两种方式：一些主题会详细介绍，另一些则以更具信息性和直观性的方式呈现。由于 ML 领域广泛，涉及众多知识分支，这里仅选取了一些相关主题进行探讨。

2. 学习概念

2.1 数据概念

数据在 ML 过程中起着至关重要的作用。假设有一个过程 P，它将 m 维数据空间 Um 映射到输出空间 Y。但在实际中，我们只能获取到有限的数据 {um} ⊂ Um 和 {y} ⊂ Y。这些数据集是了解过程 P 的唯一窗口，因此必须尽可能准确、完整地代表该过程。

数据中的噪声会导致学习过程不理想，产生对 P 的有偏表示 ˆP。噪声 um 数据可能源于实际测量中的传感器故障，而噪声 y 通常与人为的错误标注有关。在实验室条件下，这些问题可以得到一定程度的控制，但在实际应用中，可能需要额外的数据预处理步骤。

并非所有数据都包含有效信息，因此从可用数据中提取信息是学习框架中的关键步骤。每个从 {um} 中提取的