13、机器学习与人工智能的实用方法

机器学习与人工智能的实用方法

1. AI 与机器学习的区别

虽然神经网络、深度学习、机器学习和人工智能看起来概念相似，但它们各有历史、起源和层级关系。近十年来，研究和媒体关注大多聚焦于深度学习，这使得它们之间的区别难以辨别。

简单来说，人工智能是指任何系统展现智能行为的能力，如今人工智能领域的大部分内容都与机器学习相关。

2. 机器学习的主要方法

机器学习主要有以下几种方法：
- 分类算法 ：可将现有数据划分到预定义的组中。例如，当输入新数据时，算法能预测其所属的组，如判断某动物是鸡。
- 回归算法 ：试图通过过去的数据预测未来的数据，学习数据集的函数。数据点可能形成直线、曲线、波浪线等各种形状，该算法适用于任意数量的输入维度。
- 无监督学习 ：当有大量带有模式、组或簇的数据，且不想事先明确定义这些组时使用，无需人工监督。例如，可根据体重和速度等变量对动物数据集进行聚类，确定不同动物的种类数量。
- 强化学习 ：因 Deepmind 的各种游戏算法（如著名的 AlphaGo）而广为人知。这些算法通过在游戏环境中根据行动结果给予奖励来学习选择行动。

前两种方法在工业中更具适用性，学习曲线较低，后续内容将主要关注分类和回归。

3. 神经网络：特殊的机器学习类型

神经网络及其相关学习算法在机器学习领域具有特殊地位，其设计灵感来源于大脑。大脑中的神经元相互连接形成庞大的网络，电信号在神经元之间传递，产生各种意识