2、机器学习基础：从训练方法到自主学习技术

机器学习基础：从训练方法到自主学习技术

1. 机器学习概述

从上方看，汽车可能呈矩形，尺寸适合标准停车位。模型通常被认为是由人类构建的，为机器学习提供框架，但有些机器学习形式能在没有人类构建结构的情况下自行发展模型。

2. 机器学习的训练

2.1 训练的必要性

将输入映射到输出的系统需要训练才能发挥作用，就像人执行任务需要训练一样，机器学习系统也需要训练。训练通过给系统输入和相应输出，并修改学习机器的结构（模型或数据）来实现，类似于曲线拟合或回归。若有足够的训练对，系统应能在遇到新输入时产生正确输出。例如，给人脸识别系统数千张猫的图像并告知这些是猫，希望它在遇到新的猫图像时也能识别出来。但如果训练集不足或训练数据不够多样化，就会出现问题。

2.2 训练类型

训练类型	描述	示例
监督学习	使用特定的训练数据集，“训练集”由人类提供，但不意味着人类会主动验证结果。对系统输出进行分类的过程称为标记，即明确指出每个输入集的正确结果或预期输出。生成训练集可能很耗时，需确保其能提供足够训练，训练后用测试集验证结果，若结果不佳则将测试集加入训练集并重复过程。	只接受过古典芭蕾技巧训练的芭蕾舞演员，被要求跳现代舞时可能表现不佳，因为其训练集不够多样化。
无监督学习	不使用训练集，