机器学习导论
什么是机器学习？这个故事始于上世纪60年代中期。科学家和工程师发现许多问题对于传统算法而言过于复杂，以至于无法创建可以解决该问题的程序。
想象一下，如果您有一个对象需要21个属性（作为输入），然后根据这些属性将其分类为A组或B组。您将如何解决该问题？您是否需要分析所有21个属性，并针对所有可能的组合说明您的对象位于A组还是B组中。
21！= 5.1090942e + 19个组合。好多！这意味着您将需要编写5.1090942e + 19指令（如IF语句）。我认为这根本不可能！
如果您想知道我指的是什么对象-此处是- 数据集及其下面的精美图片。  
这就是为什么人们开始认为在某些时候传统编程还不够，并且这种方法不再起作用的原因。我们需要使用其他方法来查找数据中的见解。应该有可以从数据中学习的新算法。这意味着算法应查找某些模式（但不仅限于此）。这是一项无聊的任务，因此我们（人类）让机器来完成此任务。我们（人类）喜欢创造性的任务。
机器学习需要多少数据？越多越好！您拥有的越多，就可以找到更多的见解。让我们在这里暂停一下，因为它并不那么简单，并且还需要统计方面的一些知识。您还需要了解线性代数，概率论和优化方法的知识。我将在下一篇文章中对此进行解释。
如何从机器学习开始？
每个机器学习过程都是通过以下几个步骤构建的：
您想实现什么（定义目标）
准备数据
选择一种或多种算法
建立和训练模型
测试模型（并评分）
我将在下一篇文章中详细介绍所有提到的步骤。它们很重要，您需要非常了解它们。
我们有哪些类型的机器学习？
ML有三种类型：
监督的
无监督
加强
当您知道数据集时，便是有监督的机器学习–您知道数据集中每个属性的标签。您知道名称，并且知道每个属性的目的。最后，您可以说输入和输出是什么-因此您知道要查找的内容。
在无监督机器学习中，数据集包含没有标签的属性。该算法尝试从数据中找到模式和知识。到目前为止，这看起来可能非常直观，但我们也会对此进行介绍。
强化机器学习允许算法通过反复试验来学习。然后一个算法犯错并受到惩罚。当算法没有错误时，它将得到奖励。考虑一下国际象棋游戏或非常复杂的围棋游戏，甚至可能是自动驾驶汽车。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！