“ 分享一些机器学习的基础。”

机器学习、人工智能应该是近几年最火的关键词之一了。今天分享一些机器学习的基础知识。如果有啥不正确的地方，欢迎各位大佬指正。

01—机器学习的定义

在说机器学习之前先明确一下，什么是人类的学习行为呢？

可以这样总结，人类从历史经验中获取规律，并将其应用到新的类似场景中，就是人类的学习行为。

相对应的，机器学习是指让机器去训练、去学习，让机器从大量数据中找到数据中的内在特征，从而对新事物做出判断。

02—机器学习的分类

机器学习有哪些类别呢？按照不同的分类方式，有不同的细分类别。梳理了一下，主要有以下的概况图：

（1）按照学习目标分类

什么是机器学习目标呢？通俗来讲，就是我们想通过机器学习，最终实现的结果形态是什么样。

按照学习目标，主要可以分为三类：回归问题、分类问题、排序问题。

回归问题：解决的是目标是连续性变量的问题。比如想根据身高预测体重，体重就是一个连续性变量。

分类问题：解决的是目标是离散的标签的问题。比如预测一个人是男还是女。

排序问题：模型输出的是经过排序的对象列表。

（2）按照训练数据的特性分类

上文提到了，进行机器学习是需要训练数据为基础的（不然机器没法学习呀）。按照训练数据的特性，主要分为以下两类：

有监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现预测和分类的目的，也就具有了对未知数据进行预测和分类的能力。有监督算法常见的有：线性回归算法、BP神经网络算法、决策树、支持向量机、KNN等。

无监督学习：训练样本的标记信息未知，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础，此类学习任务中研究最多、应用最广的是"聚类"，聚类目的在于把相似的东西聚在一起，主要通过计算样本间和群体间距离得到。深度学习和PCA都属于无监督学习的范畴。无监督算法常见的有：密度估计、异常检测、层次聚类、EM算法、K-Means算法、DBSCAN算法等。

（3）按照模型的复杂程度分类

按照模型的复杂度，主要分为两类：线性模型和非线性模型。

线性模型：决策边界为直线。例如逻辑回归模型。

非线性模型：决策边界为非直线。例如神经网络模型。

（4）按照模型功能分类

按照模型的功能来分类，主要分为判别模型与生成模型。

判别模型：由数据直接学习决策函数f(x)或条件概率分布P(y|x)进行预测的模型，其关心的是对给定的输入x,应该预测什么样的输出y。常见的k近邻法、感知机、决策树、逻辑回归、线性回归、最大熵模型。

生成模型：由数据学习输入和输出联合概率分布P(x,y)，然后求出后验概率分布P(y|x)进行预测的模型。常见的生成模型朴素贝叶斯、隐马尔可夫（em算法）。

03—机器学习的基本流程

对于一个机器学习项目而言，主要的流程有以下概况：

（1）数据预处理

数据清洗是检测和去除数据集中的噪声数据和无关数据，处理遗漏数据，去除空白数据域和知识背景下的白噪声。

（2）数据切分

在机器学习中，通常将所有的数据划分为三份：训练数据集、验证数据集和测试数据集。它们的功能分别为

训练数据集（train dataset）：用来构建机器学习模型。

验证数据集（validation dataset）：辅助构建模型，用于在构建过程中评估模型，为模型提供无偏估计，进而调整模型超参数。

测试数据集（test dataset）：用来评估训练好的最终模型的性能。

关于数据如何进行切分，后续再进行分享。

（3）特征工程

特征构建是指从原始数据中人工的找出一些具有物理意义的特征。需要花时间去观察原始数据，思考问题的潜在形式和数据结构，对数据敏感性和机器学习实战经验能帮助特征构建。

关于机器学习，就先分享这些。欢迎大家继续关注~

-END-