【ShareAi】机器学习初体验

机器学习介绍

机器学习发展史

人工智能（Artificial Intelligence）在1950年提出了基本概念

起步于1950年代的贝叶斯分类器，它是基于贝叶斯决策理论，通过后验概率计算最大概率值，即为该样本预测值

诞生于1958年的感知机模型是人工神经网络的前身，它可以看作是一种线性分类器，可以解决二分类问题，但它过于简单，甚至不能解决异或问题，因此不具有实用价值，更多的起到了思想启蒙的作用，为后面的算法奠定了思想上的基础
机器学习，是发展人工智能相关技术的手段

在1980年前，机器学习算法都是零散的，不成体系。但它们对机器学习算法的发展起到的作用不容忽视

1980年开始，机器学习有了一个独立的发展方向，并在这个方向上，提出了很多经典机器学习算法（决策树、反向传播算法、SVM、随机森林等）
深度学习，是机器学习的其中一种技术

虽然真正意义上的人工神经网络是在1980年提出，但遗憾的是，由于受到计算能力的限制，神经网络在很长一段时间的没有得到大规模的应用。直到2010年，计算机算力的不断提高，使得深层神经网络可以得到有效的训练，深度学习算法逐步走向人工智能领域的舞台

什么是AI？人类设定好的天生本能？

这个漫画是Facebook上的一幅四格漫画，描述的是销售方对客户讲解他们生产的 "Ai" Robot，Robot可以对用户介绍商场上商品的相关信息，在它前沿科幻的外壳里面，剖开却是由一堆if判断语句构成，并不能称作真正意义上的人工智能技术

什么是机器学习？

机器学习可以抽象地看作是一个函数Function，当输入样本（图片、语音）时，Function将会输出一个预测值

而我们需要找到一个Function，输入一张图片时，该Function将会告诉我们图片里面有什么东西

首先有一个Model，里面有一系列function，在这个Model中，其中一个f1，当输入一张猫🐱图片，它就会告诉你这张图片里面含有猫；当输入一张狗🐕时它就会告诉你这张图片含有狗。但在f2中，你输入猫时它却告诉你这是一张猴子的图片，输入狗时，却告诉你这是一张蛇的图片

接下来我们要做的是，通过大量的训练数据（包含有图片和实际标签值），告诉每一个Function的输入输出值是什么样子，它们之间有什么联系。而对于一个好的function，当输入猴子🐒图片，就输出"monkey"；输入猫🐱图，相应的输出"cat"；输入狗🐕就输出"dog"。即说明该function比较符合此训练数据集

此任务为监督学习，即告诉机器输入和实际输出值