机械工程师必学的几种算法

　　机器学习算法可以分为三个大类：监督学习、无监督学习、强化学习。监督学习对于有属性（标记）的特定数据集（训练集）是非常有效的。无监督学习对于在给定未标记的数据集（目标没有提前指定）上发现潜在关系是非常有用的。强化学习介于这两者之间——它针对每次预测步骤（或行动）会有某种形式的反馈，但是没有明确的标记或者错误信息。本文主要介绍有关监督学习和无监督学习的10种算法。

　　机器学习作为人工智能的一个子领域，在过去几年里无疑越来越受欢迎。大数据目前在科技行业是最热门的潮流，而机器学习在基于大量数据之上做出预测或建议的能力十分惊人。机器学习最常见的例子有Netflix的算法，它能基于你过去看过的电影为你推荐电影，还有亚马逊的算法，它能根据你已经购买的书籍向你推荐书。

　　那么，如果你想更多地了解机器学习，你要怎么开始？就我自己来说，我初学机器学习是在哥本哈根留学时选了一门人工智能课程。那门课的老师是丹麦技术大学的一位应用数学和计算机科学全职教授，他的研究领域是逻辑学和人工智能，主要侧重于使用逻辑为计算机类人行为（计划、推理、解决问题等）进行建模。课堂既会讨论理论和核心概念，也要自己动手解决问题。我们使用的教材是AI经典书目之一：Peter Norvig的《Artificial Intelligence — A Modern Approach（人工智能——一种现代方法）》。我们学习了这本书的几个主要主题，包括智能代理（agent）、通过搜索解决问题、社会化AI、AI的哲学/社会学/未来。在课程的结尾，我所在的小组使用简单的基于搜索的代理来解决虚拟环境中的交通问题。

　　我通过这门课程学到了很多知识，决定继续学习这个特殊的课题。在过去几周，我在旧金山参加了很多关于机器学习、神经网络、数据架构的科技讲座，特别是一个有很多业内知名学者参加的机器学习会议。最重要的是，我6月初的时候在Udacity选修了一门“机器学习入门”的在线课程，最近刚学习完该课程。我想在这篇文章中将我在课堂上学到的最常用的机器学习算法分享给大家。