什么是机器学习-机器的进化

什么是机器学习？好吧，机器学习是一个概念，它允许机器从例子和经验中学习，而且也不需要显式编程。因此，您所做的不是编写代码，而是将数据馈送给通用算法，算法/机器基于给定的数据构建逻辑。

这篇关于机器学习的博客将使你的理解更加清晰，并为机器学习认证培训奠定基础。此博客将告诉您：

●什么是机器学习？

●机器的演变

●机器学习如何工作？

●什么是监督学习？

●什么是无监督学习？

●什么是强化学习？

什么是机器学习？

你在网上购物过吗？所以在浏览产品时，你是否注意到它推荐的产品与你正在寻找的产品相似？或者你注意到“买这个产品的人也买了这个”的组合产品。他们是怎么推荐的？这是机器学习。

您是否接到过任何一家银行或金融公司的电话，要求您贷款或

你有没有接到过银行或金融公司的电话，要求你贷款或保险单？你觉得他们怎么称呼每个人？不，他们只给一些他们认为会购买他们产品的选定客户打电话。他们如何选择？这是目标市场营销，可以使用聚类应用。这也是机器学习。

什么是机器学习？机器学习是人工智能的一个子集，它主要关注从经验中学习机器并根据经验进行预测。

它是做什么的？它使计算机或机器能够做出数据驱动的决策，而不是为执行某项任务而显式地编程。这些程序或算法的设计方式是，当它们暴露在新数据中时，它们会随着时间的推移而学习和改进。

什么是机器学习-机器的进化

如您所知，我们生活在人类和机器的世界中。数百万年来，人类一直在不断发展，并从过去的经验中学到东西。另一方面，机器和机器人的时代才刚刚开始。您可以这样认为：当前我们正处在机器的原始时代，而机器的未来是巨大的，超出了我们的想象范围。

在今天的世界里，这些机器或机器人在开始执行你的指令之前必须被编程。但是如果机器开始从他们的经验中独立学习，像我们一样工作，感觉像我们，做事情比我们更准确呢？这些东西听起来很迷人，对吧？好吧，记住这只是新时代的开始。

机器学习如何工作？

使用训练数据集对机器学习算法进行训练以创建模型。当将新的输入数据引入ML算法时，它会基于模型进行预测。

评估预测的准确性，如果准确性可以接受，则部署机器学习算法。如果准确性不可接受，则使用增强的训练数据集一次又一次地训练机器学习算法。

这是一个非常高级的示例，因为其中涉及许多因素和其他步骤。

机器学习的类型

机器学习分为三类：

●监督学习–训练我！

●无监督学习–我在学习中自给自足

●强化学习–我的生活我的规则！

什么是监督学习？

监督学习是一种，您可以考虑在老师的指导下进行学习。我们有一个充当教师的数据集，其作用是训练模型或机器。一旦训练了模型，就可以开始进行预测或决策（何时提供新数据）。

什么是无监督学习？

该模型通过观察来学习，并在数据中找到结构。为模型提供数据集后，它将通过在模型中创建聚类来自动在数据集中查找模式和关系。它不能做的是在群集中添加标签，就像它不能说这是一组苹果或芒果一样，但是它将所有苹果与芒果分开。

假设我们向模型显示了苹果，香蕉和芒果的图像，那么它的工作是基于一些模式和关系创建聚类并将数据集划分为这些聚类。现在，如果将新数据提供给模型，则将其添加到创建的集群之一中。

什么是强化学习？

它是代理与环境交互并找出最佳结果的能力。它遵循击中和审判方法的概念。对答对或答错的被奖励或惩罚一分，并在模型训练本身获得的正奖励分数的基础上。再次训练后，它准备好预测呈现给它的新数据。

 End 

审核编辑 ：李倩