前半段講python講得差不多惹XDD 終於進入機器學習篇章(打開全新的一頁的感覺)，接著讓我們好好地繼續學習吧

人工智慧的分級

扯到機器學習，不得先拉回比較宏觀的角度，人工智慧。人工智慧依照歷史發展可以分成四個層級：

• 第一級：自動控制
• 第二級：探索推論、運用知識
• 第三級：機器學習
• 第四級：深度學習
  

人工智慧是讓機器可以展現人類的智慧，基本上是一個讓電腦執行人類工作的廣泛用語。

• 人工智慧可以泛稱機器展現人類的智慧，包含第一級自動化流程控制、第二級的專家知識。
  第一級是寫 if else ，若是開發一個聊天機器人，則開發者需要寫很多條件去猜想顧客可能回答的問題。
  第二級是加入該領域的專家，可以協助開發者更完整地解決一個問題。例如，請聊天專家協助開發聊天機器人，猜想顧客的問題以及滿意的回覆。

• 機器學習則是透過演算法學習資料的樣態，企圖給予機器讓它去學習一套規則或技能，通常可以建立一個模型去預測新的數據，而機器學習可以分成三種：

  • 監督式學習：從過去標記過的資料來進行訓練模型，這個模型可以預測沒見過的數據

    例如：訓練大量的電子郵件，跟機器說哪些是垃圾郵寄哪些不是，請機器去預測未來的郵件是否是垃圾郵件

  • 非監督式學習：給予資料卻不給與正確的答案，讓模型從資料中找尋潛在的規則

    例如：由於人力標示成本耗時耗力，給予機器很多動物的圖片來找尋分類規則

  • 強化式學習：讓機器學習當前的狀態，通常包含獎懲機制。

    例如：請機器下圍棋，最後跟機器說是輸還是贏；讓電腦玩馬力歐遊戲

    類似人類學習的過程，如果犯法會有懲罰，如果做好事會得到別人的稱讚

• 深度學習是機器學習其中一種方法，藉由模仿人類的神經元傳遞，建立許多深層的網路建構，可以去學習更複雜的工作。
  例如：影像辨識、手寫辨識、語音辨識複雜工作等等

建立模型的流程

而瞄準機器學習，其中建立模型開發流程可以粗略分成以上幾個步驟：

• 定義問題：一開始與需求方討論和定義想要解決的問題

• 蒐集資料：蒐集需要訓練的資料或是答案，可能採用爬蟲或從資料庫拿取等方式

• 清理資料：這些資料很有可能格式不一致，或是有可能有空值的情形需要進行資料處理

• 特徵工程：這通常需要 Domain Knowledge，對於資料有相當程度地了解的人，對資料萃取新的特徵以增加模型準度

• 訓練模型：此階段耗費的時間長短會決定於選擇的演算法、資料樣本大小、硬體資源(是否有GPU)等等

• 模型評估：開發者會依照問題選擇不同的評估方式，通常會有一個 baseline 成效，接著開發者的工作是想方設法地超越它

• 模型部署：若模型成效已經達到需求方滿意的水準之後，就會讓模型上線並實際應用

• 監控維運：模型開發後並不是結束，而是另一個開始，通常開發者需要肩負維運的責任

  通常隨著時間模型成效會下降，這時候就需要有 re-train 的機制，讓模型重新進行訓練

此外，箭頭的指向也可能會變動，僅是提供大致方向參考

機器學習的演算法

機器學習的演算法可以大致分為監督式學習與非監督式學習，兩者的差別在於是否知道標準答案

• 監督式學習好比說學生寫作業對答案，我們從錯誤中學習，有老師跟我們說標準答案，告訴我們這個世界的基準是什麼。
  • 分類
  • 預測
• 非監督式學習會讓小孩去自己學習，例如你帶他去一趟動物園之後，他可能會歸納說猴子跟猩猩很像，老虎跟貓很像，藉此從資料中學習一套法則，但你並沒有跟他說答案。
  • 分群
  • 降維

過度擬合

若實作機器學習之後會常常聽見的名詞，過度擬合(overfitting)

機器會根據資料來進行學習，但倘若它過度擬合這些圓點，而使用一個過度複雜的模型(右圖)，雖然在訓練的時候得到比較好的成效，但通常在沒看過的資料成效會大打折扣

為了防止這種情況，我們可以...

• 收集更多資料(但也意味者成本提高)
• 用資料增補(Data Augmentation)
  這招常常使用在影像辨識，由於收集的資料有限，我們可以將既有的資料進行旋轉、光暗調整、縮小放大等等進行調整，就可以倍增很多資料。
• 重新進行資料探索，合併或減少沒有用的特徵
• 正規化，有 L1、L2 regularization。在演算法的 loss 計算加上懲罰項，如此一來機器在進行訓練時來約束模型不要過度擬合