机器学习定义为 - “研究领域，使计算机无需明确编程即可学习”。

以非常外行的方式，机器学习（ML）可以被解释为基于他们的经验自动化和改进计算机的学习过程而无需实际编程，即没有任何人工辅助。该过程从提供高质量数据开始，然后通过使用数据和不同算法构建机器学习模型来训练我们的机器（计算机）。算法的选择取决于我们拥有什么类型的数据以及我们尝试自动化的任务类型。

 

示例：在考试期间培训学生。

在为考试做准备的同时，学生们实际上并没有填写课程，而是试图通过完全理解来学习。在检查之前，他们为他们的机器（大脑）提供大量高质量的数据（来自不同书籍或教师笔记或在线视频讲座的问题和答案）。实际上，他们正在通过输入和输出来训练他们的大脑，即他们有什么样的方法或逻辑来解决不同类型的问题。每次他们解决练习试卷，并通过比较答案与给出的答案键来找到表现（准确性/得分），逐渐地，表现继续增加，通过采用的方法获得更多的信心。这就是实际模型的构建方式，具有数据的列车机器（输入和输出都被给予模型）并且当时间来测试数据（仅有输入）并且通过将其答案与在训练时未被馈送的实际输出进行比较来实现我们的模型分数。研究人员正在努力改进算法和技术，以使这些模型表现得更好

。

 

 

ML和传统编程的基本区别？

 

传统编程：我们输入DATA（输入）+ PROGRAM（逻辑），在机器上运行并获得输出。

机器学习：我们输入DATA（输入）+输出，在训练期间在机器上运行，机器创建自己的程序（逻辑），可以在测试时进行评估。

 

究竟学习对计算机意味着什么？

 

 

 

计算机据说是借鉴经验相对于某个类的任务，如果在给定的任务性能与体验得到改善。

 

据说计算机程序从经验E中学习某些任务T和性能测量P，如果它在T中的任务中的性能（由P测量）随经验E而改善

 

示例：玩跳棋。

E =玩许多跳棋游戏的经验

T =玩跳棋的任务。

P =程序赢得下一场比赛的概率

 

通常，任何机器学习问题都可以分配到两个广泛的分类之一：

监督学习和无监督学习。

 

 

 

现实情况如何： -

 

谈到网上购物，有数百万用户在品牌，颜色，价格范围等方面拥有无限的兴趣。在线购物时，买家倾向于搜索多种产品。现在，经常搜索产品将使买方的Facebook，网页，搜索引擎或在线商店开始推荐或显示该特定产品的优惠。没有人坐在那里为每个用户编写这样的任务，所有这些任务都是完全自动的。在这里，ML发挥其作用。研究人员，数据科学家，机器学习者使用高质量和大量数据在机器上构建模型，现在他们的机器自动执行，甚至通过越来越多的经验和时间进行改进。

传统上，广告只使用报纸，杂志和广播来完成，但现在技术使我们足够聪明地做目标广告（在线广告系统），这是一种更有效的方法来瞄准最接受的观众。

 

 

即使在医疗保健方面，ML也做得非常出色。研究人员和科学家们已经准备好了通过观察载玻片图像来训练检测癌症的机器的模型。对于人类执行此任务，它将花费大量时间。但现在，没有更多的延迟，机器预测患有或不具有某种准确性的癌症的机会，医生只需要给出一个保证电话，就是这样。答案 - 这怎么可能是非常简单的 - 所需要的，是高计算机器，大量高质量的图像数据，具有良好算法的ML模型，以实现最先进的结果。

医生正在使用ML甚至根据所考虑的不同参数来诊断患者。

 

 

你们都可以使用IMDB评级，识别人脸的谷歌照片，谷歌镜头，其中ML图像文本识别模型可以从您输入的图像中提取文本，Gmail将电子邮件分类为社交，促销，更新或使用论坛文本分类，是ML的一部分。

 

ML如何工作？

 

以文本文件，Excel文件，图像或音频数据的形式收集过去的数据。数据质量越好，模型学习就越好

数据处理 - 有时，收集的数据是原始形式，需要纠正。

示例：如果数据有一些缺失值，则必须进行纠正。如果数据是文本或图像的形式，则需要将其转换为数字形式，无论是列表还是数组或矩阵。简单地说，数据将与机器相关并且易于理解

使用合适的算法和技术构建模型，然后进行训练。

使用在训练时未输入的数据测试我们准备好的模型，从而评估性能 - 得分，准确度和高精度。

 

学习ML的先决条件：

 

线性代数

统计与概率

结石

图论

编程技巧 - Python，R，MATLAB，C ++或Octave等语言

需要AI开发，就找我们成都软件开发公司吧。