机器学习入门问答(一)

注：仓促完成可能有错误的地方，各位大神麻烦指出，以便更好地完善

机器学习是什么？

1、在没有明确设置的情况下，使计算机具有学习能力。

2、计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。

机器学习的类型？

按数据划分：

    监督学习：给定包含正确答案(标签)的数据，学习将输入映射到输出的一般规则。

    半监督学习：给定不完整的训练信号(数据有些含答案，有些不含)。

    无监督学习：数据无标签信息，只能从输入中找出结构。

    强化学习：训练数据（以奖励和惩罚的形式）仅作为对动态环境中程序动作的反馈。

按学习方式划分：

    基于实例学习：系统先用记忆学习案例，然后用相似度测量推广到新的例子。

    基于模型学习：从样本集进行归纳的方法是建立这些样本的模型，然后使用这个模型进行预测。

按样本的使用划分：

    懒惰学习：在训练阶段仅把样本保存起来，训练时间开销为0，待收到测试样本后再进行处理。(KNN等)

    急切学习：在训练阶段就对样本进行学习处理的方法。

按样本数使用划分：

    批量学习：须用所有可用数据进行训练(从头训练新版本)。

    在线学习：用数据实例持续地进行训练，可以一次一个或几个样本(离线完成，并非在部署的系统上，完成后发布)。

    增量学习：批模式的在线学习。

机器学习兴起原因？

1、数据大了，计算能力强了，DL(深度学习)拥有大量参数，若样本少，容易过拟合。

2、模型复杂、数据样本大，需要强力计算设备。

标称型与数值型？

标称型(离散型)：结果只在有限目标集中取值，如真与假、动物分类(鱼类、爬行类等)->分类

数值型(连续值)：结果可从无限的数值集合中取值，如0.100、42.001等->回归

感知机是什么？

感知机（perceptron）是二分类的线性分类模型，属于监督学习算法。

感知机由两层神经元组成，输入层接收外界输入信号后传递给输出层，输出层是M-P神经元，亦称“阈值逻辑单元”。

感知机能容易地实现逻辑与、或、非运算，都是线性可分的问题。

PLA算法和POCKET算法是什么？

PLA是感知器算法

网络的可塑性和稳定性？

可塑性：指神经网络要有学习新知识的能力。

稳定性：指神经网络在学习新知识时保持对旧知识的记忆。