机器学习与深度学习手册.docxVIP

机器学习与深度学习手册

第1章机器学习基础概念与核心算法

1.1机器学习定义与三大范式

机器学习（MachineLearning,ML）本质上是让计算机通过数据自动学习规律，从而无需人类频繁干预即可解决特定问题的技术分支，其核心在于从数据中发现隐含的函数映射关系。②机器学习主要包含三大范式：监督学习（有标签数据训练）、无监督学习（无标签数据探索）和强化学习（通过试错获得奖励），这三者分别对应人类学习、机器学习和生物进化的学习机制。在监督学习中，算法利用带有“答案”的历史数据（输入$x$和输出$y$）来拟合模型，一旦模型学会，便可对新数据做出预测；④无监督学习则面对仅包含输入数据的集合，不预设目标，旨在发现数据内部的潜在结构，如聚类或降维，常用于发现未知类别或压缩数据维度；⑤强化学习侧重于智能体在动态环境中通过与环境交互，根据即时奖励或惩罚来调整策略，以最大化长期累积收益，常用于游戏、控制等场景；这三种范式并非孤立存在，现代深度学习系统往往结合使用，例如在自动驾驶中同时利用监督学习处理图像识别、无监督学习优化感知算法、强化学习进行路径规划决策。⑦理解三大范式的区别是掌握机器学习的基础，监督学习强调准确性，无监督学习强调探索性，而强化学习强调优化性，三者共同构成了机器学习理论的完整框架。⑧掌握这些范式后，学习者应能根据任务目标选择合适的方法：若需分类问