機器學習分析個案(3)

資料來源: 網址

什麼是機器學習 ?

“A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.”

Tom Mitchell(1998)

簡單來說，機器學習就是讓電腦根據歷史資料(Experience)，建立可以被用來對新進資料進行預測或分類等功能(Task)的數學模型。而我們就是藉由評估預測與實際值之間的誤差(Performance)，來為各個數學模型進行排名。

舉例來說，我們可以利用程式對一組包含該房屋坪數與售價的資料進行學習，然後對另一組僅有房屋坪數的資料去預測它的售價。

在上面這個例子中

• 資料(Experience) 就是一開始那組(包含坪數與售價)用來建立數學模型的資料
• 任務(Task) 則是預測另一組房屋的售價
• 評估(Performance) 則是預測售價與實際售價之間的誤差
• 隨著資料數目的增加，誤差會變得更小

但如果一個問題，有一個明確且能夠描述的規則，可以使得任務達成完美的零誤差，那麼該問題就不需要應用機器學習。

機器學習的類別

一般而言，機器學習可以被分類為三種主要形式 : 監督式學習(Supervised learning), 非監督式學習(Unsupervised learning)和增強式學習(Reinforcement learning)。

• 監督式學習
  • 將資料配適到某個任意類型的函數，需要一些事先標記過的訓練資料
  • 可以進一步地再區分為分類(Classification)與迴歸(Regression)。
    • 分類 預測離散(0或1)的標籤，藉由繪製一條(不一定線性)邊界線，將資料區分成兩種狀態
    • 迴歸 預測連續性的標籤，透過讓程式去觀察資料分布趨勢，繪製一條距離各資料點總和最小的線，去預測目標值
• 非監督式學習
  • 針對無任何標籤的資料找出資料特性
  • 可以進一步再區分為集群(Clustering)與降維(Dimensionality Reduction)
    • 集群 從未建立標籤的資料中推理標籤，藉由不停地更改集群中心，將資料自動的指定到某個數目的離散群組
    • 降維 在大致保留重要特徵的前提下，藉由數學投影等技巧，將處於高維空間的資料，順利地轉換到低維空間中

參考資料

1. Python資料科學學習手冊
2. 初探機器學習：使用Python
3. 新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書）
4. Coursera Machine Learning Class

• ← Previous Post