就目前而言，大家都聽說過人工智能、物聯(lián)網(wǎng)以及大數(shù)據(jù)。當然，人工智能的熱度最高?？梢哉f，我國當下的人工智能發(fā)展是處于領先水平的?，F(xiàn)如今，人工智能有很多的應用早已在人們的生活中普及，那么大家是否知道機器學習的基本任務是什么呢？下面我們直接進入正題。
1.機器學習的概念是什么？
對于機器學習的概念，百度上是這么解釋的，機器學習是一門多領域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
2.機器學習中的任務
當然，機器學習基于數(shù)據(jù)，并以此獲取新知識、新技能。它的任務有很多，分類是其基本任務之一。分類就是將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標特征，如果目標特征為連續(xù)型，則往往采用回歸方法。回歸是對新目標特征進行預測，是機器學習中使用非常廣泛的方法之一。
3.分類和回歸
機器學習中的分類和回歸，都是先根據(jù)標簽值或目標值建立模型或規(guī)則，然后利用這些帶有目標值的數(shù)據(jù)形成的模型或規(guī)則，對新數(shù)據(jù)進行識別或預測。這兩種方法都屬于監(jiān)督學習。與監(jiān)督學習相對是無監(jiān)督學習，無監(jiān)督學習不指定目標值或預先無法知道目標值，它可以將把相似或相近的數(shù)據(jù)劃分到相同的組里，聚類就是解決這一類問題的方法之一。
4.機器學習的算法都有哪些呢？
機器學習除了監(jiān)督學習、無監(jiān)督學習這兩種最常見的方法外，還有半監(jiān)督學習、強化學習等方法，這些基本任務間的關系就是機器學習包括監(jiān)督學習和無監(jiān)督學習，而監(jiān)督學習就是基于輸入數(shù)據(jù)及目標值訓練預測模型，而具體細分為分類和回歸，其中分類就是有決策樹、支持向量機、樸素貝葉斯、K-近鄰、集成方法等等，而回歸則是有線性回歸、邏輯回歸、集成方法、神經(jīng)網(wǎng)絡知識等等。而非監(jiān)督學習就是根據(jù)輸入數(shù)據(jù)對數(shù)據(jù)進行分組，其中最具體的方式就是聚類，而涉及到的算法有K-均值算法，高斯混合算法、分層聚類算法等等。
通過這篇文章我們給大家介紹了關于機器學習基本任務的知識，從中我們不難發(fā)現(xiàn)機器學習有很多可供運用和發(fā)展的東西，我們在學習機器學習的時候一定要好好吸收這些知識的，讓自己的基礎更加牢固，能夠融會貫通。
