|
【PConline 杂谈】众所周知，机器学习是人工智能的核心，其应用遍及人工智能各个领域。而对于那些我们经常听到的“机器学习”，“深度学习”，“增强学习”，“神经网络”等热门词汇，它们看起来既相近又相异，要如何分辨？想要透彻的了解人工智能技术，恐怕你需要先了解这些最熟悉的陌生词。
既然问题因机器学习而起，我们不妨就以它做开始。任职于卡内基梅陇大学计算机学院机器学习系的汤姆·米歇尔教授，在其《机器学习》一书中是这样的定义的：机器学习是‘研究如何打造可以根据经验自动改善的计算机程序’，其本质上是跨多学科的，涉及计算机科学、统计学、人工智能，以及其他学科知识。
因此，机器学习研究的主要产物便是算法。机器学习的算法很多，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的，我们会在文章的后半部分为各位讲解。算法可以帮助基于经验的自动改善，可以在各行业进行广泛的应用，其中便包括了计算机视觉、人工智能与数据挖掘。
再来说说聚集。聚集算法是用来分析不含有预先标记过的类别的数据，甚至连类别特性都没有标记过。数据个体的分组原则大概是这样：最大化组内相似度、最小化组与组之间的相似度，识别非常相似的数据并将其归为一组，未分组的数据之间则并非相似。 其中，要属K-means聚集最为著名。由于聚集不需要预先将类别进行标记，因此可将其视为“无监督学习”的一种形式，也就是说该算法通过观察进行学习，而不是通过案例进行学习。
|
