机器学习实战全解析：从监督学习到强化学习的开发者指南

一. 机器学习分类体系

1.1 按学习范式分类

二. 监督学习（Supervised Learning）

2.1 基本定义

在给定输入-输出对$(X,Y)$的条件下，学习从输入到输出的映射函数$f:X\to Y$。

2.2 典型应用

• 分类：垃圾邮件检测（准确率>99%）

• 回归：房价预测（MAE<$10,000）

• 序列标注：命名实体识别（F1>0.92）

2.3 常见算法与代码

2.3.1 线性回归

from sklearn.linear_model import LinearRegression  
import numpy as np  
# 生成数据  
X = np.array([[1], [2], [3]])  
y = np.array([2, 4, 6])  
# 训练模型  
model = LinearRegression()  
model.fit(X, y)  
# 预测  
print(model.predict([[4]]))  # 输出: [8.]

2.3.2 决策树分类

from sklearn.tree import DecisionTreeClassifier  
from sklearn.datasets import load_iris  
# 加载数据  
iris = load_iris()  
X, y = iris.data, iris.target  
# 训练模型  
clf = DecisionTreeClassifier(max_depth=2)  
clf.fit(X, y)  
# 可视化决策树  
from sklearn.tree import plot_tree  
plot_tree(clf, feature_names=iris.feature_names)

三. 无监督学习（Unsupervised Learning）

3.1 基本定义

从未标注数据中挖掘隐藏模式，无需人工标注指导。

3.2 典型应用

• 客户分群：电商用户行为聚类

• 异常检测：金融交易异常识别（检出率>85%）

• 数据压缩：MNIST图像从784维降至2维可视化

3.3 常见算法与代码

3.3.1 K-Means聚类

from sklearn.cluster import KMeans  
import matplotlib.pyplot as plt  
# 生成数据  
X = np.random.rand(300,2)  
# 聚类  
kmeans = KMeans(n_clusters=3)  
labels = kmeans.fit_predict(X)  
# 可视化  
plt.scatter(X[:,0], X[:,1], c=labels)  
plt.show()

3.3.2 PCA降维

from sklearn.decomposition import PCA  
# MNIST降维  
pca = PCA(n_components=2)  
X_pca = pca.fit_transform(X)  
# 可视化  
plt.scatter(X_pca[:,0], X_pca[:,1], c=y)  
plt.show()

四. 自监督学习（Self-Supervised Learning）

4.1 基本定义

通过设计代理任务从无标注数据中自动生成监督信号，学习通用表示。

4.2 典型应用

• 文本预训练：BERT的掩码语言建模

• 图像对比学习：SimCLR的特征对齐

• 视频时序预测：预测下一帧

代码示例：BERT掩码预测

from transformers import BertTokenizer, BertForMaskedLM  
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')  
model = BertForMaskedLM.from_pretrained('bert-base-uncased')  
input_text = "The capital of France is [MASK]."  
inputs = tokenizer(input_text, return_tensors='pt')  
outputs = model(**inputs)  
predicted_index = outputs.logits[0, 4].argmax()  
print(tokenizer.decode([predicted_index]))  # 输出: paris

五. 强化学习（Reinforcement Learning）

5.1 基本定义

智能体通过与环境交互，根据奖励信号优化策略$\pi :S\to A$。

5.2 典型应用

• 游戏AI：AlphaGo、Dota2 OpenAI Five

• 机器人控制：机械臂抓取（成功率>95%）

• 资源调度：云计算任务分配

5.3 常见算法与代码

5.3.1 Q-Learning

import gym  
import numpy as np  
env = gym.make('FrozenLake-v1')  
Q = np.zeros([env.observation_space.n, env.action_space.n])  
# 训练参数  
alpha = 0.8  
gamma = 0.95  
num_episodes = 2000  
for i in range(num_episodes):  
    state = env.reset()  
    done = False  
    while not done:  
        action = np.argmax(Q[state,:] + np.random.randn(1,env.action_space.n)*(1./(i+1)))  
        next_state, reward, done, _ = env.step(action)  
        Q[state,action] += alpha * (reward + gamma*np.max(Q[next_state,:]) - Q[state,action])  
        state = next_state

5.3.2 深度强化学习（DQN）

import torch  
import torch.nn as nn  
import torch.optim as optim  
class DQN(nn.Module):  
    def __init__(self, input_dim, output_dim):  
        super().__init__()  
        self.fc = nn.Sequential(  
            nn.Linear(input_dim, 128),  
            nn.ReLU(),  
            nn.Linear(128, output_dim)  
        )  
    def forward(self, x):  
        return self.fc(x)  
# 使用PyTorch实现经验回放与目标网络...

注：本文代码需安装以下依赖：

pip install scikit-learn matplotlib gym transformers torch

更多AI大模型应用开发学习内容，尽在聚客AI学院。