机器学习详细概述 - 网站源码_资源分享

全文：

电脑自学的监督管理自学，非监督管理自学，和电脑自学Jalgaon的操作过程如是说。

一、电脑自学、人工智慧、广度自学是甚么亲密关系？

先两张图表明二者的亲密关系：

反正说人工智慧应用应用领域情景进行分类:

电脑自学使计算机系统能从科学研究统计数据数据和统计数据重要信息中自学。而人工智慧是两个宏伟的蓝图，最终目标是让电脑像她们人类文明那样思索和暴力行动，既主要包括进一步增强她们人类文明忍耐力也主要包括进一步增强她们体能的科学研究应用领域。而自学而已同时实现人工智慧的方式众所周知，因此，而已进一步增强她们人类文明忍耐力的方式众所周知。因此，人工智慧包涵电脑自学。电脑自学又包涵了广度自学，她们二者间的亲密关系见图2：

图二亲密关系

二、甚么是电脑自学？

2.1 如是说

电脑自学是两门有关统计数据数据自学的科技进步，它能协助电脑从原有的繁杂统计数据数据中自学规律性，以预估今后的犯罪行为结论和态势。比如：当她们在商城网购时，电脑自学演算法会依照她们的买回发展史来所推荐可能会讨厌的其它商品，以提高买回机率。

电脑自学和广度自学的自学方式有一点的区别

2.2 电脑自学的原理

下面以监督管理自学为例，给大家讲解一下电脑自学的同时实现原理。假如她们正在教小朋友识字（一、二、三）。她们首先会拿出3张卡片，然后便让小朋友看卡片，一边说“一条横线的是一、两条横线的是二、三条横线的是三”。

在这里插入图片描述

不断重复上面的操作过程，小朋友的大脑就在不停的自学：

在这里插入图片描述

当重复的次数足够多时，小朋友就学会了两个新技能——认识汉字：一、二、三：

在这里插入图片描述

她们用上面人类文明的自学操作过程来类比电脑自学。电脑自学跟上面提到的人类文明自学操作过程很相似。

认字的卡片在电脑自学中叫——训练集

“一条横线，两条横线”这种区分不同汉字的属性叫——特征

小朋友不断自学的操作过程叫——建模

学会了识字后总结出来的规律性叫——模型

通过训练集，不断识别特征，不断建模，最后形成有效的模型，这个操作过程就叫“电脑自学”

在这里插入图片描述

三、监督管理自学、非监督管理自学、强化自学

3.1 监督管理自学

监督管理自学是指我们给演算法两个统计数据数据集，因此给定正确答案。电脑通过统计数据数据来自学正确答案的计算方式。

举个例子：她们准备了一大堆猫和狗的照片，她们想让电脑学会如何识别猫和狗。当她们使用监督管理自学的时候，她们需要给这些照片打上标签。

在这里插入图片描述

她们给照片打的标签就是“正确答案”，电脑通过大量自学，就可以学会在新照片中认出猫和狗。

在这里插入图片描述

这种通过大量人工打标签来协助电脑自学的方式就是监督管理自学。这种自学方式效果非常好，但是成本也非常高。

3.2 非监督管理自学

非监督管理自学中，给定的统计数据数据集没有“正确答案”，所有的统计数据数据都是那样的。无监督管理自学的任务是从给定的统计数据数据集中，挖掘出潜在的结构。

举个例子：她们把一堆猫和狗的照片给电脑，不给这些照片打任何标签，但是她们希望电脑能将这些照片分进行分类：

在这里插入图片描述

通过自学，电脑会把这些照片分为2类，一类都是猫的照片，一类都是狗的照片。虽然跟上面的监督管理自学看上去结论差不多，但是有着本质的差别

：非监督管理自学中，虽然照片分为了猫和狗，但是电脑并不知道哪个是猫，哪个是狗。对于电脑来说，相当于分成了 A、B 两类。

在这里插入图片描述

3.3 强化自学

强化自学主要由智能体（Agent）、环境（Environment）、状态（State）、动作（Action）、奖励（Reward）组成。智能体执行了某个动作后，环境将会转换到两个新的状态，对于该新的状态环境会给出奖励信号（正奖励或者负奖励）。随后，智能体依照新的状态和环境反馈的奖励，按照一定的策略执行新的动作。上述操作过程为智能体和环境通过状态、动作、奖励进行交互的方式。

智能体通过强化自学，可以知道自己在甚么状态下，应该采取甚么样的动作使得自身获得最大奖励。由于智能体与环境的交互方式与人类文明与环境的交互方式类似，可以认为强化自学是一套通用的自学框架，可用来解决通用人工智慧的问题。因此强化自学也被称为通用人工智慧的电脑自学方式。

最典型的情景就是打游戏。2019年1月25日，AlphaStar（Google 研发的人工智慧程序，采用了强化自学的训练方式）完虐星际争霸的职业选手职业选手“TLO”和“MANA”。还有她们打王者荣耀里面的那些人机，我猜应该也是训练出来的，她们不同段位遇到的人机的能力也是有区别的。