机器学习概念

机器学习是通过提供给机器学习模型大量数据的前提下，让机器学习模型学习出各种变量和结果之间的数学关系，最终可以向模型提供参数来得到结果

机器学习的类型

1. 监督式学习

监督式学习模型在查看包含正确答案的大量数据后，可以发现产生正确答案数据元素之间的关联，然后进行预测。监督式学习的两种常见方式是回归和分类。

回归模型可以预测数值，例如，用于预测降雨量的天气模型是一种回归模型。

分类模型可预测某个对象属于某个类别的可能性。与输出为数字的回归模型不同，分类模型输出一个值，用于表明某个对象是否属于特定类别。例如，分类模型运用于预测电子邮件是否为垃圾邮件，或照片中是否有猫。

分类模型分为两类：二元分类和多类分类。二元分类模型会输出仅包含两个值的类中的值，例如，输出rain或者norain的模型。多类分类模型会从包含多个值的类中输出一个值，例如，可以输出rain、hail、snow或sleet的模型。

2. 非监督式学习

非监督式学习模型通过获得不含任何正确答案的数据来进行预测，非监督式学习模型的目标是找出数据中具有意义的模式。

聚类与分类不同，类别不是由人来指定的。例如，无监督模型可能会根据温度对天气数据进行分组，从而揭示定义季节的分片。

3. 强化学习

强化学习模型根据在环境中执行的操作获得奖励或惩罚，从而进行预测。强化学习系统会生成政策，定义用于获得最多奖励的最佳策略。

强化学习用于训练机器人执行任务，以及训练AlphaGo等软件玩围棋。

4. 生成式AI

生成式AI是一类根据用户输入生成内容的模型。例如，生成式AI可以创作独特的图片，音乐作品和笑话。它可以总结文章，说明如何执行任务或编辑照片。