机械学习及其应用

机械学习及其应用

吴鸿瑞

510682199504063194

摘要：“机器学习是让计算机像人类一样学习和行动的科学，通过以观察和现实世界互动的形式向他们提供数据和信息，以自主的方式改善他们的学习。”

关键词： 监督学习 无监督学习 机器学习的发展与应用

引言：最近20年以来，互联网技术的快速发展和网络个人用户的急剧增加使人工智能研究得到了快速的推动。互联网在很多应用领域积累了大量的用户数据，传统的机器系统并不具备自主学习的能力，无法完成一些更高级的任务。

1.机器学习(ML)

是人工智能 (AI) 的一个分支，旨在构建能够根据所使用的数据进行学习或改进性能的系统。人工智能是一个宽泛的术语，指的是模仿人类智能的系统或机器。机器学习和人工智能这两个术语经常被相提并论，有时甚至互换使用，但它们的含义并不相同。其中一个重大区别是，所有的机器学习都是 AI，但不是所有的 AI 都是机器学习。

“机器学习是让计算机像人类一样学习和行动的科学，通过以观察和现实世界互动的形式向他们提供数据和信息，以自主的方式改善他们的学习。”上述定义包含了机器学习的理想目标或最终目标。机器学习是从数据中提取知识。它可以认为机器学习是人工智能的一个子领域，它使机器无需明确编程即可从过去的数据或经验中学习。机器学习使计算机系统能够使用历史数据进行预测或做出一些决定，而无需明确编程。机器学习使用大量结构化和半结构化数据，因此机器学习模型可以生成准确的结果或基于该数据进行预测。

它仅适用于特定领域，例如如果我们正在创建一个机器学习模型来检测狗的图片，它只会给出狗图像的结果，但是如果我们提供像猫图像这样的新数据，那么它就会变得无响应。它可以分为三种类型：监督学习、强化学习、无监督学习。

2.监督学习

监督学习是机器学习的一种类型，其中机器使用“标记好的”训练数据进行训练，机器根据这些数据预测输出。标记数据意味着一些输入数据已经用正确的输出标记。在监督学习中，提供给机器的训练数据作为监督者，教导机器正确预测输出。它应用了与学生在老师的监督下学习相同的概念。监督学习是向机器学习模型提供输入数据和正确输出数据的过程。监督学习算法的目标是找到一个映射函数来映射输入变量（x）和输出变量（y）。在现实世界中，监督学习可用于风险评估、图像分类、欺诈检测、垃圾邮件过滤等。

3.无监督学习

无监督学习也是一种机器学习技术，其中模型不使用训练数据集进行监督。相反，模型本身会从给定的数据中找到隐藏的模式和见解。它可以比作在学习新事物时在人脑中进行的学习。它可以定义为：无监督学习是一种机器学习，其中使用未标记的数据集训练模型，并允许在没有任何监督的情况下对该数据采取行动。

无监督学习不能直接应用于回归或分类问题，因为与监督学习不同，我们有输入数据但没有相应的输出数据。无监督学习的目标是找到数据集的底层结构，根据相似性对该数据进行分组，并以压缩格式表示该数据集。

机器学习中各式各样的算法和它们所针对的诸多方面注定了机器学习在生活中的不同方面会被广泛应用。以下是机器学习的一些最流行的现实世界应用：

4.图像识别

图像识别是机器学习最常见的应用之一。它用于识别物体、人物、地点、数字图像等。图像识别和人脸检测的流行用例是，自动好友标记建议：

Facebook 为我们提供了自动好友标记建议的功能。每当我们上传与 Facebook 好友的照片时，我们都会自动收到带有姓名的标记建议，这背后的技术是机器学习的人脸检测和识别算法。它基于名为“Deep Face”的Facebook项目，负责图片中的人脸识别和人物识别。

5. 语音识别

在使用谷歌时，我们有一个“通过语音搜索”的选项，它属于语音识别，是机器学习的一个流行应用。语音识别是将语音指令转化为文字的过程，也称为“语音转文字”，或“计算机语音识别”。目前，机器学习算法被各种语音识别应用广泛使用。谷歌助手、Siri、Cortana和Alexa正在使用语音识别技术来遵循语音指令。

6.交通预测

如果我们想去一个新的地方，我们会借助谷歌地图，它会向我们显示最短路线的正确路径并预测交通状况。它通过两种方式预测交通状况，例如交通是否畅通、缓慢行驶或严重拥堵：

1.车辆的实时位置来自谷歌地图应用程序和传感器

2.过去几天的平均时间同时发生。

每个使用谷歌地图的人都在帮助这个应用程序变得更好。它从用户那里获取信息并将其发送回其数据库以提高性能。

7.产品推荐

机器学习被亚马逊、Netflix等各种电子商务和娱乐公司广泛用于向用户推荐产品。每当我们在亚马逊上搜索某种产品时，我们就会在同一浏览器上上网时收到同一产品的广告，这是因为机器学习。谷歌使用各种机器学习算法了解用户的兴趣，并根据客户的兴趣推荐产品。

类似地，当我们使用 Netflix 时，我们会找到一些关于娱乐系列、电影等的推荐，这也是在机器学习的帮助下完成的。

8.自动驾驶汽车

机器学习最为重要的应用之一是自动驾驶汽车。机器学习在自动驾驶汽车中发挥着重要作用。最受欢迎的汽车制造公司特斯拉正在开发自动驾驶汽车。它使用无监督学习方法训练汽车模型在驾驶时检测人和物体。

9. 垃圾邮件和恶意软件过滤

在我们的生活当中，在我们收到一封新的电子邮件的时候，它都会被自动过滤为三种不同的邮件：垃圾邮件、正常邮件和重要邮件。我们的收件箱中经常会收到带有重要符号的重要邮件，垃圾邮件箱中也会出现垃圾邮件，这背后的技术就是机器学习。Gmail 使用的一些垃圾邮件过滤器有：

1.内容过滤器

2.标题过滤器

3.常规黑名单过滤器

4.基于规则的过滤器

5.权限过滤器

还一些机器学习算法例如多层感知器、决策树和朴素贝叶斯分类器等，都能够用于电子邮件垃圾邮件过滤和恶意软件检测。

10.虚拟个人助理

我们有各种虚拟个人助理，例如Google 助理、Alexa、Cortana、Siri。顾名思义，它们可以帮助我们使用语音指令查找信息。这些助手可以通过我们的语音指令以各种方式帮助我们，例如播放音乐、打电话给某人、打开电子邮件、安排约会等。这些虚拟助手使用机器学习算法作为重要组成部分。这些助手记录我们的语音指令，通过云服务器将其发送，并使用 ML 算法对其进行解码并采取相应的行动。

参考文献

[1]殷倩倩,申鑫欣,夏祎.大数据背景下机器学习在数据挖掘中的应用[J].数字技术与应用,2022,40(05):21-23.DOI:10.19695/j.cnki.cn12-1369.2022.05.07.

[2]马旭,张胜恩,潘毅华,张钧碧,余成臻,董立松,韦亚一.计算光刻研究及进展[J].激光与光电子学进展,2022,59(09):122-170.