机器如何学习？5分钟弄懂监督学习、无监督学习、半监督学习与强化学习
导读：不知道你有没有这样的感受，想学点人工智能，却被一大堆名词吓坏？ 想看点直白的说人话的简单介绍，却被各种绕来绕去的语言弄昏头？
没关系，本文就试图以最简单的语言，给你普及一下我们通常所说的人工智能的四种方法，并通过有趣的例子，帮你建立一些直观的感受，而且很容易读懂，是一篇机器学习入门的不可多得的好文章。
同时，文章还包括相关的很多文章和论文，是个很不错的资源包。请在微信对话中回复“机器学习”即可获得本文涉及的论文资源包。
好了，5分钟时间，轻松学习到底什么是监督学习，无监督学习，半监督学习，以及强化学习，enjoy！
作者 | Frank Chen
翻译 | 智子
整理 | AI100(ID：rgznai100)
读懂机器学习的四大方法
根据训练方法的不同，机器学习可以分为四类：
监督学习
无监督学习
半监督学习
强化学习
本文会对各种学习方法给出一种非常直观的解释。
文中，我们也会为你介绍那些经常在论文中出现的名词术语，还会给出不同的机器学习方法所对应的学习资源。
总的来说，本文的分类方法，既适用于传统的机器学习，又适用于新出现的深度学习。
对于数学相关的问题，可以看看斯坦福大学的深度学习教程，它涵盖了监督学习和无监督学习，且附有代码实例。
斯坦福大学的深度学习教程（吴恩达等人撰写）
http://ufldl.stanford.edu/tutorial/
▍监督学习
监督学习是用正确答案已知的例子来训练神经网络，也就是用标记过的数据。如果我们想设计一个系统——从相册中找出包含你的父母的照片，基本的步骤如下：
第一步：数据的生成和分类
首先，需要将你所有的照片看一遍，记录下来哪些照片上有你的父母。然后把照片分为两组。第一组叫做训练集，用来训练神经网络。第二组叫做验证集，用来检验训练好的神经网络能否认出你的父母，正确率有多少。
之后，这些数据会作为神经网络的输入，得到一些输出。用数学语言表示就是：找到一个函数，该函数的输入是一幅照片。当照片上有你的父母的时候，输出为1；没有的时候，输出为0。
这种问题通常叫做分类。因为这个例子中，输出只有两个可能，是或者不是。
当然，监督学习的输出也可以是任意值，而不仅仅是0或者1。举另一个例子，我们的神经网络可以预测一个人还信用卡的概率。这个概率可以是0到100的任意一个数字。这种问题通常叫做回归。
第二步：训练
在进行训练这一步时，每一幅图像都会作为神经网络的输入，根据一定的规则（激活函数），决定某个神经元的输出，进而得到某一层的输出。当计算完所有神经元的时候，最后得到了最右边的神经元(输出节点)的输出，是0还是1。
上一步中，我们已对照片上是否有你父母做过标记。这样，我们就能知道神经网络所预测的结果是否正确，并把这一信息反馈回神经网络。
这里所反馈的，是成本函数的计算结果，即神经网络计算结果与实际情况的偏差。这个函数也叫做目标函数、效用函数或者适应度函数。这一结果用来调整神经元的权重和偏差，这就是BP算法，即反向传播算法，因为该信息是从后向前传递的。
刚才针对的是一个照片。你需要对每张照片不断重复这个过程。每个过程中都要最小化成本函数。
BP算法有很多实现方法，最常用还是梯度递减的方法。
Algobeans 非常通俗易懂的解释了这个方法。Michael Nielsen 在此基础上，加上了积分和线性代数，也给出了形象生动的演示。
神经网络入门
https://algobeans.com/2016/11/03/artificial-neural-networks-intro2/
反向传播算法原理
http://neuralnetworksanddeeplearning.com/chap2.html
第三步：验证
至此，第一组中的数据已经全部用完。接下来我们会用第二组数据验证训练得到的模型的准确率。
优化模型的许多参数（超参）需要优化，因此导致第二步和第三步通常会交叉进行。常用的超参有神经网络有多少个神经元，有多少层神经元，哪个函数用来激活一个神经元（激活函数），用多快的速度来训练网络（学习速率）等等。Quora 工程师主管的这一回复很好的解释了这些超参。
Quora 工程师主管回复
https://www.quora.com/What-are-hyperparameters-in-machine-learning
第四步：应用
完成以上三步，模型就训练好了。接下来，我们可以把模型融合到程序中。模型可以提供一个 API，例如 ParentsInPicture(photo)。当应用程序调用该 API 的时候，模型会计算得到结果，并返回给应用程序。
稍后，我们将用同样的方法步骤，在 iPhone 上制作一个 APP，用来识别名片。
对数据集进行标记的成本是非常高的。因此，必须确保使用网络得到的收益比标记数据和训练模型的消耗要更高。
举例来说，在医学领域，根据X光照片标记病人是否患有癌症成本是很高的，但能以极高的准确率来诊断病人是否患癌的系统则又非常有价值。
▍无监督学习
无监督学习 中使用的数据是没有标记过的，即不知道输入数据对应的输出结果是什么。无监督学习只能默默的读取数据，自己寻找数据的模型和规律，比如聚类（把相似数据归为一组）和异常检测（寻找异常）。
假设你要生产T恤，却不知道 XS、S、M、L 和 XL 的尺寸到底应该设计多大。你可以根据人们的体测数据，用聚类算法把人们分到不同的组，从而决定尺码的大小。
假如你是初创的安全相关公司的 CTO。你想从网络连接情况找到一些蛛丝马迹：突然增大的数据流量可能意味着有快要离职的员工下载所有的 CRM 历史数据，或者有人往新开账户里面转了一大笔钱。如果你对这类事情感兴趣，可以参考无监督异常检测算法概览：
无监督学习概览
http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0152173
Google Brain 团队的人想让系统知道 YouTube 视频里面有什么。他们所实现的 “YouTube 找猫算法”重新激起了大众对于人工智能的热情。他们的论文介绍了 Google Brain 同斯坦福大学的 Quoc Le 和吴恩达合作，开发出一个分类算法，能够把 YouTube 视频分为很多不同的类，其中一类就是猫。他们并没有为系统设置“找猫”的任务，也没有提供任何标记数据，但是算法能对 YouTube 视频自动分组，并且找出了猫，当然还有 ImageNet 所定义的22000个类别中的数千个其他物体。
吴恩达“从 YouTube 视频中找猫”的论文
https://arxiv.org/abs/1112.6209
更多的无监督学习技术可以从以下文献找到:
自编码机(Autoencoding) - http://ufldl.stanford.edu/tutorial/unsupervised/Autoencoders/
主成分分析(PCA) - https://www.quora.com/What-is-an-intuitive-explanation-for-PCA
随机森林(Random forests) - https://en.wikipedia.org/wiki/Random_forest
K均值聚类(K-means clustering) - https://www.youtube.com/watch?v=RD0nNK51Fp8
https://v.qq.com/txp/iframe/player.html?vid=n0516080ki5&width=500&height=375&auto=0
更系统地学习无监督学习，可以用 Udacity 这门课程
https://www.udacity.com/course/machine-learning-unsupervised-learning--ud741
最有前景的无监督学习方法之一，是刚刚出现的生成式对抗网络。该方法由当时还在 Yoshua Bengio 实验室工作的 Ian Goodfellow 提出。在该模型中有两个相互对抗的神经网络组成。一个叫做生成器，负责生成真实数据的近似，企图骗过另一个叫做判别器的网络。这个方法已经取得了优异的成果，比如从文本描述或者手绘素描中生成图片，所生成的图片跟照片一样逼真。
Yann LeCun 谈 GAN - https://www.quora.com/What-are-some-recent-and-potentially-upcoming-breakthroughs-in-deep-learning
从文本描述生成图片的论文 - https://arxiv.org/abs/1612.03242
从手绘素描生成图片的论文 - https://arxiv.org/abs/1611.07004v1
▍半监督学习
半监督学习训练中使用的数据，只有一小部分是标记过的，而大部分是没有标记的。因此和监督学习相比，半监督学习的成本较低，但是又能达到较高的准确度。举例来说，我们在 AI 咨询公司 Joostware 工作的朋友 Delip Rao，用半监督学习方法对每类只标记30个数据，和用监督学习对每个类标记1360个数据，取得了一样的效果。并且这使得他们的客户可以标记更多的类，从20个类迅速扩展到了110个类。
一个直观的解释为什么无标记也能提高准确率：即使不知道正确的答案，但是可以知道输入数据长什么样，有什么可能的取值。
喜欢数学的可以读读朱晓进教授长达135页的教程和他2008年那篇半监督学习纵览。
半监督学习教程
http://pages.cs.wisc.edu/~jerryzhu/pub/sslicml07.pdf
半监督学习纵览
http://pages.cs.wisc.edu/~jerryzhu/pub/ssl_survey.pdf
▍强化学习
强化学习也是使用未标记的数据，但是可以通过某种方法知道你是离正确答案越来越近还是越来越远（即奖惩函数）。传统的“冷热游戏”（hotter or colder，是美版捉迷藏游戏 Huckle Buckle Beanstalk 的一个变种）很生动的解释了这个概念。你的朋友会事先藏好一个东西，当你离这个东西越来越近的时候，你朋友就说热，越来越远的时候，你朋友会说冷。冷或者热就是一个奖惩函数。半监督学习算法就是最大化奖惩函数。可以把奖惩函数想象成正确答案的一个延迟的、稀疏的形式。
在监督学习中，能直接得到每个输入的对应的输出。强化学习中，训练一段时间后，你才能得到一个延迟的反馈，并且只有一点提示说明你是离答案越来越远还是越来越近。
DeepMind 在自然杂志上发表了一篇论文 ，介绍了他们把强化学习和深度学习结合起来，让神经网络学着玩各种雅达利(Atari)游戏（就是各种街机游戏），一些游戏如打砖块（breakout）非常成功，但是另一些游戏比如蒙特祖玛的复仇，就表现的很糟糕。
DeepMind 强化学习论文(https://deepmind.com/blog/deep-reinforcement-learning/ Nervana)，团队（已被英特尔收购）的博客有两篇文章非常棒，把强化学习的技术细节讲解清楚了。
Nervana 强化学习博文：
I - https://www.nervanasys.com/demystifying-deep-reinforcement-learning/
II - https://www.nervanasys.com/deep-reinforcement-learning-with-neon/
斯坦福大学的学生 Russell Kaplan、Christopher Sauer 和 Alexander Sosa 论述了强化学习的存在的问题，并给出了很聪明的解决方案。
DeepMind 的论文介绍了没有成功利用强学习玩蒙特祖玛的复仇。按照三个人的说法是因为强化学习只能给出很少的提示，即稀疏的延迟。如果没有足够多的“冷热”的提示，很难找到被藏起来的钥匙。斯坦福的学生们通过让系统理解和执行自然语言的提示，比如“爬楼梯”，“拿钥匙”等，在 OpenAI 大赛中获得了冠军，其视频如下：
https://v.qq.com/txp/iframe/player.html?vid=f1319cn6j8d&width=500&height=375&auto=0
此外，使用强化学习来玩超级马里奥的视频如下：
https://v.qq.com/txp/iframe/player.html?vid=c051653k7fx&width=500&height=375&auto=0
还写了一本关于强化学习的书，第二版的手稿你现在就能看到。
关于强化学习的书
http://incompleteideas.net/sutton/book/the-book-1st.html
原文链接
https://hackernoon.com/ways-in-which-machines-learn-b1824464dd5f
招聘
AI100现招聘技术编辑、实习生，有意向请将简历投往：puge@ai100.ai
咨询请联系微信greta1314
课程结合实例介绍使用TensorFlow开发机器学习应用的详细方法和步骤，着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。 所有案例均来自讲师团队工作中的亲身实践，所选案例均是深度学习的经典应用，非常具有代表性。