5、机器学习基础全解析

机器学习基础全解析

1. 学习算法概述

学习算法是能够从数据中学习的算法。学习的定义为：若计算机程序在任务 T 上的表现（由性能指标 P 衡量）随经验 E 而提升，则称该程序从经验 E 中学习。

1.1 常见机器学习任务

• 分类 ：计算机程序需指定输入所属的 k 个类别中的某一个。例如对象识别，输入为图像，输出为识别对象的数字代码。现代对象识别借助深度学习实现，还可用于人脸识别等。
• 含缺失输入的分类 ：当输入向量的某些测量值可能缺失时，学习算法需学习一组函数，每个函数对应不同输入子集缺失的情况。医疗诊断中常出现这种情况。
• 回归 ：计算机程序根据输入预测数值。如预测保险索赔金额或证券未来价格，用于算法交易。
• 转录 ：将非结构化数据转录为离散文本形式。例如光学字符识别和语音识别，深度学习是现代语音识别系统的关键组成部分。
• 机器翻译 ：将一种语言的符号序列转换为另一种语言的符号序列，深度学习对这类任务产生了重要影响。
• 结构化输出 ：输出是具有重要元素关系的向量或数据结构。包括解析自然语言句子、图像像素分割和图像描述等任务。
• 异常检测 ：筛选事件或对象，标记异常或非典型的部分。如信用卡欺诈检测。
• 合成与采样