前言
本文是对“从机器学习谈起.pdf”的笔记。
感兴趣的朋友欢迎加入学习小组QQ群: 193765960。

版权归作者所有，如有转发，请注明文章出处：https://xiaodanchen.github.io/archives/

一个故事说明什么是机器学习

等人问题：

机器学习的定义

机器学习就是计算机利用已有数据，得出某种模型，然后利用该模型预测未来的一种方法。
区别于我们常见的计算机程序基于因果（固定程序方法）的，机器学习是基于经验（数据）的算法。

机器学习的范围

• 模式识别：模式识别=机器学习。模式识别源于工业界，机器学习源于计算机科学，二者是统一问题在两个领域的不同体现。
• 数据挖掘：数据挖掘=机器学习+数据库。
• 统计学习：统计学习近似于机器学习。机器学习的大量方法来自于统计学，区别是，前者偏重于数学领域，后者偏重于实践。
• 计算机视觉：计算机视觉=图像处理+机器学习。图像处理技术将图片处理成时候机器学习算法适用的输入数据，学习算法则根据机器学习模型从输入图像中识别出相关的模式。例如：百度识图，手写输入，车牌识别等。
• 语音识别：语音处理+机器学习。
• 自然语言处理：文本处理+机器学习。

机器学习的方法

回归算法

• 线性回归：数值问题。最小二乘法；数值计算：梯度下降法，牛顿法
  例子：预测房价问题。
• 逻辑回归：分类问题。
  例子：预测肿瘤问题。

神经网络：

ANN（人工神经网络）算法，BP算法（加速神经网络训练过程的数值算法）。神经网络学习的机理简单来说就是“分解与组合”。

下面让我们来看一个简单的神经网络模型：输入层 -> 隐藏层 -> 输出层。输入层负责接收信号数据。隐藏层负责数据的分析和处理，最后将结果整合输出到输出层。

简单神经网络模型

如图：每层中的一个元代表了一个处理单元，模拟了一个神经元。若干个处理单元组成一个层，若干个层组成一个简单的“神经网络”。

在神经网络中，每个处理单元实际上就是一个“逻辑回归模型”。逻辑回归模型接收上一层的输入，把模型的预测结果作为输出传递给下一层。通过这样的过程，神经网络可以实现非常复杂的非线性分类。

进入90年代，神经网络算法进入一个瓶颈期，原因是虽然具有BP算法的加速，神经网络的训练过程仍然很困难。因此90年代后期支持向量机算法（SVM）取代了神经网络的地位。

支持向量机（SVM）算法：

支持向量机算法是但是与统计学习界，同时在机器学习界大放光彩的经典算法。

SVM从某种意义上来说是逻辑回归算法的强化：通过给与逻辑回归算法更加严格的优化条件，SVM可以获得比逻辑回归算法更好的分类界限，从而达成很好的效果。

通过和高斯“核“的结合，SVM可以表达出非常复杂的分类界线。"核”实际上是一种特殊的函数，最典型的特征就是可以将低维的空间映射到高维的空间(但却不会带来计算复杂性的提升)。

SVG一直占据着机器学习最核心的地位，基本取代了神经网络算法，直至近期神经网络接着深度学习重新崛起，两者之间才又发生了微妙的平衡变化。

聚类算法：

前面的算法一个显著的特征就是训练数据中包含了标签，训练出的模型可以对其他数据预测标签，即监督式学习。
在下面的算法中，训练数据是不含标签的，而算法的目的是通过训练，推测这些数据的标签，即无监督算法。
无监督式学习最典型的算法就是聚类算法。比如K-Means算法。

降维（特征量）算法：

降维算法也是一种无监督式学习算法，其特征就是将数据从高位降低到低维层次。
降维算法的主要作用是压缩数据以及提升其他算法的效率。降维算法的另一个好处是可以实现数据的可视化（降维至3维以下）。
降维算法的代表是PCA算法（主成分分析算法）。

推荐算法：

推荐算法是目前非常火的一种算法，在电商领域得到了非常广泛的运用。推荐算法的主要特征就是可以自动向用户推荐他们感兴趣的东西，从而增加购买率，提升效率。
推荐算法有两个主要的类别：

• 基于物品内容的推荐：是将与用户购买的内容相似的物品推荐给用户。这样的前提是每个物品都得有若干个标签，好处是物品关联度较大，缺点是因为每个物品都要贴标签，工作量较大。
• 基于用户相似度的推荐：是将与目标用户兴趣相同的其他用户购买的物品推荐给目标用户。
  这两种类别的算法各有优缺点，一般混合使用。最著名的就是协同过滤算法。

其他：

除了以上算法外，机器学习领域还有其他算法，例如：高斯判别，朴素贝叶斯算法，决策树等等。但是上面六种是使用最多，影响最广，类型最全的典型算法。

机器学习的应用--大数据

众所周知，现在是大数据的时代。那么，到底什么是大数据呢？实际上，大数据是一门实实在在的有着基础理论和科学研究背景的一门技术，其中包含着分布式计算、内存计算、机器学习、计算机视觉、语音识别、自然语言处理等众多计算机界崭新的技术，而且是这些技术综合的产物。

事实上，大数据包含着4大特征，即4V理念：Volume(体量)、Varity(多样性)、Velocity(速度)、Value(价值)。如图：

大数据

大数据的核心是利用数据的价值，机器学习是利用数据价值的关键技术。同时，复杂的机器学习算法的计算时间迫切需要分布式计算，内存计算这样的关键技术。机器学习与大数据二者是相辅相成，相互促进的关系。

成功的机器学习应用不是拥有最好算法，而是拥有做多的数据。
大数据分布式计算技术Map-Reduce使得计算越来越快。

机器学习的子类--深度学习

进来，机器学习的发展产生了一个新的方向：深度学习。听起来非常高大上，但其原理非常简单，即将传统的神经网络发展到了多隐藏层的地步。

2006年Geoffrey Hinton在《科学》杂志上发表了一片文章，论证了两个观点：
1，多隐藏层的神经网络具有优异的特征学习能力，学习到的特征对数据有更本质的刻画，从而有利于可视化和分类。
2，深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服。

机器学习的父类--人工智能（AI）