下载掌阅APP，畅读海量书库
立即打开
在1.2节中我们了解了机器学习旨在回答分类、聚类和回归的问题。通过机器学习模型的学习方式，可以将机器学习分为监督学习、无监督学习和强化学习等，我们着重讨论监督学习和无监督学习。下面简要介绍这几种学习方式的定义与区别。
以邮件过滤为例，在训练模型的过程中，我们需要输入一些已经归好类的邮件作为训练集。如果计算机得出的结论与当前分类不符，则要调整分类器的参数，直到误差在允许范围之内，并通过测试集的诊断为止。之后，计算机便可自动在无人干预的情况下完成邮件的过滤。
例如鸢尾花的识别问题。首先人们“告诉”计算机，具有某些特征（如颜色、花瓣的形状等）的鸢尾花属于某个类。然后计算机从这些已归好类的数据集中学习知识，从而能够在无人指示的情况下自动判断鸢尾花的类别。
再如股市行情的预测问题，我们将历史的股价数据、相应时间、公司当时的经营状况等作为输入数据让计算机学习。而后计算机能够自动根据时间、经营状况等估算出股价。
综上所述，在监督学习中，输入数据都是带有“参考答案”的，如图1.4所示，并且就像老师教导学生一样，实际输出通过影响误差，从而动态地调整模型参数，以降低下一次输出的误差。基于这一点，监督学习也被称为导师制学习。
图1.4 监督学习流程
回顾聚类问题，假如现在有一堆图片需要整理，图片里有动物，有风景。人类可以轻而易举地将它们分为两类。而计算机则不然，它会提取图片的轮廓，然后将轮廓相似的图片挑选出来，并据此将图片聚类（当然实际上不可能这么简单）。如图1.5所示，通过总结输入特征之间的相似性，从而将输入进行归类。
实际上，聚类正是一种无监督学习。在聚类问题中，人们并没有“告诉”计算机这样划分类别是错误的，计算机往往是根据数据特征的相似性自主学习。有时候，无监督学习可以取到意想不到的效果。
图1.5 无监督学习流程
无监督学习经常被用在数据预处理中。例如输入参数过多的情况下，通过聚类能够将相似的参数归为一类，这样就可以减少参数的个数。
无监督学习大致可以用图1.5来描述，其被广泛应用于以下几个方面：
聚类问题；
参数压缩（变多输入为少输入或单输入）；
异常检验（查找异常数据的检验方法）。
不同于无监督学习，强化学习需要一定的反馈信息。同样区别于监督学习，该反馈信号并不是实际值与预测值的误差。强化学习的过程可以看成一个“试错”的过程，它的反馈信号来源于与环境的交互。例如在AI棋手的训练过程中，计算机通过与各种棋手对弈，从零开始学习并尝试各种下棋方法。假如某种方法取得胜利，那么计算机就会记住这种方法是有利的。相反，如果输了，计算机也会记住这种方法是不利于取胜的。
在上述例子中，与棋手对弈的胜负就是反馈信号。在一些文献里，反馈信号通常被称为回报（reward）。如果环境对计算机的输出的反馈是正面的，则机器学习模型会得到鼓励。相反，如果反馈为负面的，则模型会得到惩罚。因此，强化学习的过程实际上是追求高回报、趋利避害的过程，如图1.6所示。
图1.6 强化学习流程
再举一个例子，强化学习就好比饲养宠物。如果爱犬做出主人不喜欢的举动，如吃来路不明的食物、与其他狗狗打架、任意狂吠等，便会受到主人的苛责。当狗狗的行为令主人满意时，如主动逗小主人开心、看家等，主人可能就会给狗狗奖励一根肉骨头作为回报。这样久而久之，在与主人的“交互”中，狗狗便知道了如何做能够得到吃的。
强化学习通常应用在以下几个方面：
机器人控制；
游戏AI，如AlphaGo、机器人世界杯等；
无人机、无人汽车的自动驾驶等。
机器学习主要分为前面所讲的三大类，除此之外，还有如下几种分类：
多任务学习：同时学习多个相关的任务，以提升模型的性能。通过信息共享，针对某个任务的学习可以通过在另外多个任务的学习中获益。
半监督学习：在实际应用中，自带“标准答案”的数据往往比较缺乏。例如，在对网页进行分类时，要获取已经分好类的网页，需要花费大量的人力浏览整个网页，然后由专家再进行人工分类，在大数据时代，这种做法太落后了，因此需要在监督学习和无监督学习中达到一个平衡。通常的做法是假设输入与输出之间存在概率上的依赖，具体的实施细节已经超出本书范围，感兴趣的读者可以参阅参考文献[3]。
实时学习：一般应用在高度动态的任务中。在这个过程中，模型不断地训练，其数据集是通过传感器等设备实时获取的。最典型的例子是自动驾驶技术，在路况千变万化的情况下，仅依靠过去的数据是不切实际的。