机器学习——应用

介绍

机器学习是人们遇到过的最令人兴奋的技术之一。从这个名字可以明显看出，它赋予计算机一种与人类更相似的能力：学习能力。机器学习在今天正被积极地使用，可能比人们预期的要多得多。我们可能会在不知情的情况下多次使用学习算法。机器学习的应用包括：

• 网络搜索引擎： 谷歌（google）、必应（bing）等搜索引擎之所以运行良好，其中一个原因是该系统已经学会了如何通过复杂的学习算法对页面进行排序。

• 照片标签应用： 无论是facebook还是任何其他照片标记应用程序，标记朋友的功能都让这种情况更加频繁。这一切都是可能的，因为应用程序后面有一个人脸识别算法。

• 垃圾邮件检测器： 我们的邮件代理，如Gmail或Hotmail，在分类邮件和将垃圾邮件移动到垃圾邮件文件夹方面为我们做了很多艰苦的工作。这也是通过邮件应用程序后端运行的垃圾邮件分类器实现的。

如今，公司正在使用机器学习来改进商业决策、提高生产力、检测疾病、预测天气，以及做更多的事情。随着技术的指数增长，我们不仅需要更好的工具来理解我们目前拥有的数据，还需要为我们将拥有的数据做好准备。为了实现这一目标，我们需要制造智能机器。我们可以编写一个程序来做简单的事情。但在大多数情况下，硬接线智能是很困难的。最好的方法是让机器自己学习东西。学习机制——如果机器能从输入中学习，那么它就为我们做了艰苦的工作。这就是机器学习发挥作用的地方。机器学习的一些例子如下：

• 数据库挖掘促进自动化发展： 典型的应用包括用于更好用户体验的网络点击数据、用于更好医疗自动化的医疗记录、生物数据等。

• 无法编程的应用程序： 有些任务无法编程，因为我们使用的计算机不是这样建模的。例如自动驾驶、无序数据的识别任务（人脸识别/手写识别）、自然语言处理、计算机视觉等。
• 理解人类学习： 这是我们对人脑最接近的理解和模仿。这是一场新革命的开始，真正的人工智能。现在，在简要了解之后，让我们来对机器学习进行更正式的定义
• 亚瑟·塞缪尔（1959）： “机器学习是一个研究领域，它使计算机能够在没有明确编程的情况下进行学习。”塞缪尔写了一个棋盘游戏程序，可以随着时间的推移学习。一开始它很容易赢。但随着时间的推移，它学会了所有最终导致他胜负的棋盘位置，因此成为了比塞缪尔自己更好的棋手。这是定义机器学习的最早期尝试之一，而且有点不太正式。
• 汤姆·米歇尔（1999）： “一个计算机程序据说可以从经验E中学习关于某类任务T和性能度量P的知识，如果它在T任务中的性能（用P度量）随着经验E的提高而提高。”这是一个更正式的数学定义。对于上一个国际象棋项目
  • E是游戏数。
  • T正在和电脑下棋。
  • P是计算机的赢/输。

在下一个教程中，我们将对机器学习问题的类型进行分类，还将讨论机器学习的有用包和设置环境，以及我们如何使用它来设计新项目。

参考资料：

[1] 彼得·哈林顿的《机器学习在行动》。

[2] cs229。斯坦福。埃杜

本文由 阿披舍克·夏尔马 .如果你喜欢GeekSforgek，并且想贡献自己的力量，你也可以写一篇文章，并将文章邮寄到contribute@geeksforgeeks.org.看到你的文章出现在Geeksforgeks主页上，并帮助其他极客。