大家好，又见面了，我是你们的朋友全栈君。
机器学习#1.有监督学习和无监督学习
- 人工智能与机器学习与深度学习
- 机器学习
-
- 有监督学习
- 无监督学习
人工智能与机器学习与深度学习
什么是人工智能？ 人类用各种方式让机器拥有与人类相仿的“智能”，就是人工智能。 什么是机器学习？ 机器学习就是实现人工智能的一种方式。
什么是深度学习？ 深度学习就是实现机器学习的一种技术。
机器学习
为什么要机器学习呢？你想啊，人类这么聪明是为什么，还不是因为在整个人类历史中，人类不断学习，所以才有现在的智能。既然要让机器拥有与人类相仿的智能，那就让机器去学习吧。
机器学习大概可分为两种：有监督学习和无监督学习
有监督学习
有监督学习的大致过程（以图片识别猫为例）： 1. 数据采集（就是找一堆猫的图片，假设是x张，当然数量很庞大，至于多大我也不清楚） 2. 特征提取（就是在图片是把猫圈起来，然后给一个标签：猫；而没有圈起来的部分全部作为背景，同时也给一个标签：背景。当然啦，这都是在软件上进行的） 3. 图片转换：人类看图片是很简单的，而机器是怎么看图的呢。机器看到的图片是由一堆数字组成的，如下图
当然啦，数字是我乱填的。一张彩色图片通常是三层（rgb，即红色red，绿色green，蓝色blue）的，所以是由三张和上面的图一样的图，你也可以看作是三张填满数字的表格。 当然，黑白图片就只有一层的，相当于只有一张表格咯。表格中的数字代表着颜色的程度。 假设上图是一张黑白图的表格，第一个小格子数字是255，那么这个小格的黑色程度是255（最低是0，最高是255），而我们人来看到这个格子就是全黑的。如果这个格子是0，那么我们看到的这个格子就是全白的。 4.开始学习（详细的后面再讲） 5. 当机器学习完这么多的猫图后，它就大概知道上面样子的物体是猫了。 6. 学习的过程也是一个训练的过程 7. 然后就是测试了 什么是测试呢？我们用了很多图片来让机器知道什么是猫，那总要知道机器学习得怎么样吧，就好像你上学时的测验和考试 8.测试：也是用一堆猫图（数量大概是x/4张）然后用来测试机器学习学习的效果 9. 根据学习的结果与真实结果作比较，通过一些公式来计算误差，就知道学得好不好啦（好比学习的结果里面有90%是猫，那么训练的效果就很好了，至于要用什么公式来计算误差，之后再说）
无监督学习
而无监督学习呢，厉害了，它不需要人来圈出那些部分是猫，它就能自己识别出什么是猫： 它和有监督学习的最大差别在于第二点的特征提取，因为它不用提取，因此也导致了学习的方式与有监督学习不一样。 怎么不一样呢： 简单来说就是给机器一堆猫图和一堆狗图，它就相似的图片归为一类，自动分成了猫图和狗图。 怎么算是相似呢？其实一类图片和另一类图片之间是由某种距离的，而这种距离就是关键。距离短的就是相似，距离长的就是不相似。 这个距离是什么呢？举个超级简单的例子吧：最黑和最白，在机器看来就是0和255，那么0和255的差距就是0-255=-255，这个差距带入到某公式里，就可以计算距离啦。详细的之后再讲吧。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/140538.html原文链接：https://javaforall.cn
