前言：我是一個(gè)工作后的寶媽，很多人覺得人工智能入門很難，其實(shí)并沒有那么難。所以，我希望用非常通俗的，中學(xué)生都可以看的懂的語(yǔ)言來(lái)寫一些文章，給大家學(xué)習(xí)AI的信心。
吳恩達(dá)教授教的非常好，生動(dòng)有趣，故整理出了課堂筆記。
1 機(jī)器學(xué)習(xí)的動(dòng)機(jī)
機(jī)器學(xué)習(xí)是從早期的人工智能中興起的 ，在過(guò)去的15到20年間，他認(rèn)為是正在發(fā)展的計(jì)算機(jī)的新能力。事實(shí)上，他證明了計(jì)算機(jī)的很多程序你是無(wú)法直接編寫出來(lái)的。例如，你想通過(guò)電腦閱讀手寫的字母或是數(shù)字，那么通過(guò)給計(jì)算機(jī)編程去將我寫的東西作為輸入并且將我的草書手稿轉(zhuǎn)化成電子手稿將會(huì)非常困難。另外一個(gè)例子是你如果編寫一個(gè)程序讓飛機(jī)飛起來(lái)也是很困難的，所以，你需要使用一個(gè)學(xué)習(xí)型算法，讓計(jì)算機(jī)自己學(xué)習(xí)。比如，學(xué)習(xí)識(shí)別你的手寫體，事實(shí)上，對(duì)于手寫識(shí)別，這幾乎是取得良好效果的唯一方法，它使用的應(yīng)用程序是很難手工編程實(shí)現(xiàn)的。
學(xué)習(xí)型算法已經(jīng)使數(shù)據(jù)挖掘領(lǐng)域的研究取得了重要的進(jìn)展。舉個(gè)例子，隨著信息技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展越來(lái)越多的醫(yī)院會(huì)保存醫(yī)療記錄，例如：病人的種類，病人遇到的問(wèn)題，病人病情的預(yù)測(cè)，病人的治療結(jié)果等。利用所有的這些醫(yī)療數(shù)據(jù)，在醫(yī)院實(shí)現(xiàn)數(shù)字化之后也許有15年的數(shù)據(jù)，使用學(xué)習(xí)型算法對(duì)它們進(jìn)行分析， 我們就可以將純粹的醫(yī)療數(shù)據(jù)轉(zhuǎn)化成有組織的醫(yī)療知識(shí)，通過(guò)它們我們可以檢測(cè)到過(guò)去這段時(shí)間的醫(yī)療行為的趨勢(shì)，甚至基于這些醫(yī)療知識(shí)，我們可以改變醫(yī)療。在過(guò)去的十五到二十年，我們將學(xué)習(xí)算法應(yīng)用到醫(yī)院建立的病歷記錄中，并且做成了電子格式。
2 什么是機(jī)器學(xué)習(xí)
Arthur Samuel(1959)：在不直接針對(duì)問(wèn)題進(jìn)行編程的情況下，賦予計(jì)算機(jī)學(xué)習(xí)能力的一個(gè)領(lǐng)域。
Arthur Samuel在機(jī)器學(xué)習(xí)的領(lǐng)域做了一些很酷的事情 ，比如說(shuō)他寫過(guò)一個(gè)可以和自己下棋的西洋棋程序。由于計(jì)算機(jī)的運(yùn)行速度比較快，所以這個(gè)程序和自己下了成千上萬(wàn)盤棋后，程序頓悟了，它意識(shí)到什么的局勢(shì)可以取得勝利，怎么樣的局勢(shì)導(dǎo)致失敗，比如它明白了“如果我的棋子占據(jù)了這些地方，我贏的概率就大”。后來(lái)奇跡出現(xiàn)了，程序的棋藝甚至超過(guò)了Arthur Samuel本人，所以說(shuō)，計(jì)算機(jī)不只可以做人類明確讓它做的事情，它也可以學(xué)習(xí)技能。
Tom Mitchell(1998)：對(duì)于計(jì)算機(jī)程序來(lái)說(shuō)，給它一個(gè)任務(wù)T和性能測(cè)量用戶P，如果在經(jīng)驗(yàn)E的影響下，P對(duì)T的測(cè)量結(jié)果得到了改進(jìn)，那么就說(shuō)該程序從E中學(xué)習(xí)。
在剛才的下棋程序的例子中，經(jīng)驗(yàn)E對(duì)應(yīng)著程序不斷和自己下棋的經(jīng)歷，任務(wù)T是下棋，性能測(cè)試P可以是它在和人類棋手對(duì)弈的勝率，通過(guò)這個(gè)定義，我們說(shuō)下棋程序在學(xué)習(xí)怎么下棋。
監(jiān)督學(xué)習(xí)
監(jiān)督學(xué)習(xí)就是說(shuō)我們給出一組標(biāo)準(zhǔn)答案，或者也稱為訓(xùn)練數(shù)據(jù)，之后我們希望算法去學(xué)習(xí)標(biāo)準(zhǔn)輸入和標(biāo)準(zhǔn)答案之間的聯(lián)系，以便我們對(duì)其它的輸入，也給出更標(biāo)準(zhǔn)的答案。
我們拿房?jī)r(jià)為例，下面的幾個(gè)點(diǎn)是現(xiàn)成的房屋面積和售價(jià)，分別對(duì)應(yīng)在坐標(biāo)軸上，通過(guò)這幾個(gè)點(diǎn)可以擬合成一條直線（紅色），通過(guò)這條直接可以推測(cè)出任意房屋面積的售價(jià)
同樣，還可以用曲線（綠色）來(lái)擬合
同樣的方法還可以通過(guò)前面十幾年的房?jī)r(jià)來(lái)預(yù)測(cè)未來(lái)十年內(nèi)的房?jī)r(jià)，在這里給大家出個(gè)小題目，請(qǐng)根據(jù)你所在的城市前面十年的房?jī)r(jià)來(lái)預(yù)測(cè)一下十年后你所在城市的房?jī)r(jià)。如果你預(yù)測(cè)出來(lái)了，恭喜你，你完成了一個(gè)機(jī)器學(xué)習(xí)算法。
上面的問(wèn)題也稱為“回歸問(wèn)題”，回歸這個(gè)詞在某種程度上暗示了我們需要預(yù)測(cè)的變量是連續(xù)的。
分類問(wèn)題
在分類問(wèn)題中，你們要處理的變量是離散的而不是連續(xù)的。我們以一組很通用的關(guān)于乳腺癌腫瘤的數(shù)據(jù)為例，你需要讓一個(gè)算法學(xué)會(huì)預(yù)測(cè)一個(gè)腫瘤是否是惡性的，我們收集了很多腫瘤的數(shù)據(jù)，但為了簡(jiǎn)單起見，我們只考慮腫瘤的大小尺寸來(lái)辨別是良性（0）還是惡性（1）。
如圖，這些數(shù)據(jù)都是離散值
但實(shí)際上，我們不只從尺寸上來(lái)辨別良性惡性，還有別的維度來(lái)考慮。比如，我們加上年齡因素，一個(gè)學(xué)習(xí)型算法可以學(xué)習(xí)一條線，從中間劃開，區(qū)分良性和惡性。如圖，直線只能在二維中分類，但實(shí)際中，還需要考慮更多的因素，比如腫塊的厚度，細(xì)胞大小的一致性等等。
如果是無(wú)限維的話，可以用支持向量機(jī)把數(shù)據(jù)映射到無(wú)限維空間中。
3 無(wú)監(jiān)督學(xué)習(xí)
就是告訴你一組數(shù)據(jù)，不給出你關(guān)于數(shù)據(jù)的任何標(biāo)準(zhǔn)答案，然后讓你從這些數(shù)據(jù)中學(xué)習(xí)到一些有趣的結(jié)構(gòu)。這就是無(wú)監(jiān)督學(xué)習(xí)。
例如，一個(gè)算法會(huì)去尋找這樣的結(jié)構(gòu)，然后將數(shù)據(jù)分成兩類，這就是聚類問(wèn)題。
聚類問(wèn)題可以解決很多問(wèn)題，比如說(shuō)下圖，就是嘗試按照基因在試驗(yàn)中體驗(yàn)出來(lái)的形狀對(duì)單獨(dú)的基因進(jìn)行分組
用聚類問(wèn)題也可以處理圖像，事實(shí)證明，對(duì)于一張照片，使用特定的無(wú)監(jiān)督算法，它可以學(xué)習(xí)對(duì)這些像素進(jìn)行聚類，比如下面的圖片就是聚類處理。下面兩張圖是對(duì)同一種聚類的等效表達(dá)。非監(jiān)督算法對(duì)于計(jì)算機(jī)視覺非常有用。
還有一個(gè)很酷的例子是用聚類算法還可以用一張圖片做3D重建
下圖就是用一張平面圖做成了3D世界。
無(wú)監(jiān)督學(xué)習(xí)和聚類算法可以被用在很多不同的問(wèn)題上，比如：計(jì)算機(jī)集群組織、社會(huì)網(wǎng)絡(luò)分析、市場(chǎng)劃分等，假如你是一個(gè)市場(chǎng)營(yíng)銷人員，你可能需要將市場(chǎng)劃分為由不同的消費(fèi)人群組成的市場(chǎng)，這些算法還可以用來(lái)進(jìn)行天文數(shù)據(jù)的分析，用來(lái)告訴我們星系的組成情況，
還有一個(gè)不得不提的很酷的例子，稱之為雞尾酒會(huì)問(wèn)題，假設(shè)你參加了一個(gè)有很多人同時(shí)聊天的酒會(huì)，我們的問(wèn)題是，在這種情況下，你如何分辨出你心儀女孩的說(shuō)話聲呢？我們可以用無(wú)監(jiān)督算法來(lái)學(xué)習(xí)每個(gè)人聲音的結(jié)構(gòu)，然后將你心儀女孩的聲音提取出來(lái)。
這個(gè)只需要一行MATLAB代碼就可以實(shí)現(xiàn)
4 強(qiáng)化學(xué)習(xí)
它可以被用在你不需要進(jìn)行一次決策的情形中，例如：在利用監(jiān)督學(xué)習(xí)進(jìn)行癌癥預(yù)測(cè)的例子中，對(duì)于一個(gè)病人，你要預(yù)測(cè)他的腫瘤是否為惡性。你的預(yù)測(cè)，決定了病人的生死，在強(qiáng)化學(xué)習(xí)問(wèn)題中，你通常會(huì)在一個(gè)時(shí)間內(nèi)，做出一系列的決策。
我們以一個(gè)直升機(jī)為例，我們可以利用強(qiáng)化學(xué)習(xí)算法讓直升機(jī)飛起來(lái)。如果做出來(lái)了一個(gè)壞的飛行決策，飛機(jī)就不飛，如果做出了好的飛機(jī)決策，飛機(jī)就飛起來(lái)。
強(qiáng)化學(xué)習(xí)的背后有一個(gè)稱為回報(bào)函數(shù)的概念。回報(bào)函數(shù)可以這樣理解，當(dāng)你訓(xùn)練一只狗狗時(shí)，如果狗狗按照你的指令做出了正確的動(dòng)作，你就說(shuō)，好狗狗！如果狗狗沒有按照你的指令執(zhí)行，你就狠狠的說(shuō)，壞狗狗！同樣在訓(xùn)練直升機(jī)時(shí)，當(dāng)飛機(jī)執(zhí)行了正確的決策飛起來(lái)，你就說(shuō)，好飛機(jī)！
第二節(jié)待續(xù)
插個(gè)小廣告，歡迎想學(xué)Pytorch 的加入我們學(xué)園
