【中國(guó)智能制造網(wǎng) 技術(shù)前沿】隨著人工智能(AI)技術(shù)對(duì)各行各業(yè)有越來越深入的影響，我們也更多地在新聞或報(bào)告中聽到“機(jī)器學(xué)習(xí)”、“深度學(xué)習(xí)”、“增強(qiáng)學(xué)習(xí)”、“神經(jīng)網(wǎng)絡(luò)”等詞匯，對(duì)于非專業(yè)人士來說略為玄幻。這篇文章為讀者梳理了包括這些在內(nèi)的12個(gè)關(guān)鍵詞，希望幫助讀者更清晰地理解，這項(xiàng)人工智能技術(shù)的內(nèi)涵和潛能。　
　　1、機(jī)器學(xué)習(xí)
　　
　　湯姆·米歇爾教授任職于卡內(nèi)基梅隴大學(xué)計(jì)算機(jī)學(xué)院、機(jī)器學(xué)習(xí)系，根據(jù)他在《機(jī)器學(xué)習(xí)》一書中的定義，機(jī)器學(xué)習(xí)是“研究如何打造可以根據(jù)經(jīng)驗(yàn)自動(dòng)改善的計(jì)算機(jī)程序”。機(jī)器學(xué)習(xí)在本質(zhì)上來說是跨學(xué)科的，使用了計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)和人工智能以及其他學(xué)科的知識(shí)。機(jī)器學(xué)習(xí)研究的主要產(chǎn)物是算法，可以幫助基于經(jīng)驗(yàn)的自動(dòng)改善。這些算法可以在各個(gè)行業(yè)有廣泛應(yīng)用，包括計(jì)算機(jī)視覺、人工智能和數(shù)據(jù)挖掘。
　　
　　2、分類
　　
　　分類的含義是，打造模型，將數(shù)據(jù)分類進(jìn)入不同的類別。這些模型的打造方式，是輸入一個(gè)訓(xùn)練數(shù)據(jù)庫(kù)，其中有預(yù)先標(biāo)記好的類別，供算法進(jìn)行學(xué)習(xí)。然后，在模型中輸入類別未經(jīng)標(biāo)記的數(shù)據(jù)庫(kù)，讓模型基于它從訓(xùn)練數(shù)據(jù)庫(kù)中所學(xué)到的知識(shí)，來預(yù)測(cè)新數(shù)據(jù)的類別。
　　
　　因?yàn)檫@類的算法需要明確的類別標(biāo)記，因此，分類算是“監(jiān)督學(xué)習(xí)”的一種形式。
　　
　　3、回歸
　　
　　回歸是與分類緊密聯(lián)系在一起的。分類是預(yù)測(cè)離散的類別，而回歸則適用的情況，是當(dāng)預(yù)測(cè)“類別”由連續(xù)的數(shù)字組成。線性回歸就是回歸技術(shù)的一個(gè)例子。
　　
　　4、聚集
　　
　　聚集是用來分析不含有預(yù)先標(biāo)記過的類別的數(shù)據(jù)，甚至連類別特性都沒有標(biāo)記過。數(shù)據(jù)個(gè)體的分組原則是這樣的一個(gè)概念：大化組內(nèi)相似度、小化組與組之間的相似度。這就出現(xiàn)了聚集算法，識(shí)別非常相似的數(shù)據(jù)并將其放在一組，而未分組的數(shù)據(jù)之間則沒那么相似。K-means聚集也許是聚集算法中的例子。
　　
　　由于聚集不需要預(yù)先將類別進(jìn)行標(biāo)記，它算是“無監(jiān)督學(xué)習(xí)”的一種形式，意味著算法通過觀察進(jìn)行學(xué)習(xí)，而不是通過案例進(jìn)行學(xué)習(xí)。
　　
　　5、關(guān)聯(lián)
　　
　　要解釋關(guān)聯(lián)，簡(jiǎn)單的辦法是引入“購(gòu)物籃分析”，這是一個(gè)比較的典型例子。購(gòu)物籃分析是假設(shè)一個(gè)購(gòu)物者在購(gòu)物籃中放入了各種各樣的物品(實(shí)體或者虛擬)，而目標(biāo)是識(shí)別各種物品之間的關(guān)聯(lián)，并為比較分配支持和置信度測(cè)量(編者注：置信度是一個(gè)統(tǒng)計(jì)學(xué)概念，意味著某個(gè)樣本在總體參數(shù)的區(qū)間估計(jì))。這其中的價(jià)值在于交叉營(yíng)銷和消費(fèi)者行為分析。關(guān)聯(lián)是購(gòu)物籃分析的一種概括歸納，與分類相似，除了任何特性都可以在關(guān)聯(lián)中被預(yù)測(cè)到。Apriori算法被稱為的關(guān)聯(lián)算法。
　　
　　關(guān)聯(lián)也屬于“無監(jiān)督學(xué)習(xí)”的一種形式。