AI 入门第 18 讲:机器学习的三种学习方式——监督、无监督与强化学习
有老师给答案、没有答案自己找规律、靠奖励学会行动——机器可以怎样学习?今天你就是 AI 训练师!
🤖 三位老师,三种学习方法
小星报名参加“机器学习训练营”。第一位老师拿出带答案的水果卡片:“这是苹果,这是橙子。”第二位老师把一堆没有名字的积木放在桌上:“自己找相似的伙伴。”第三位老师给小星一座迷宫:“走对了有奖励,撞墙会扣分。”小星发现:原来学习不一定只有一种方式!
训练数据带有目标答案(标签),模型学习从输入预测答案。
没有预先给定的目标标签,尝试发现数据中的结构或分组。
智能体在环境中行动,根据奖励反馈逐步学习策略。
“监督”不一定有人实时站在旁边;“无监督”也不是完全没有目标;“强化学习”更不等于每做一步都知道正确答案。
🏷️ 监督学习:从样本学会分类
用水果的重量做一个简化分类器。训练卡片的答案已经给出;你可以添加样本,再测试未知水果。分类规则是1-最近邻:寻找重量最接近的训练样本。
只有重量一个特征,无法可靠识别真实水果种类。本实验的“小果/大果”是人为指定的教学标签,不是客观的水果品种。
📝 为什么要分训练集和测试集?
模型在训练样本上表现好,不等于面对新数据也一定好。下面有一个简单阈值分类器:重量小于阈值判为“小果”,否则判为“大果”。调整阈值,比较训练集和测试集的表现。
—
—
本实验使用预设的小数据集演示评估思路。现实中不能反复依据同一个测试集调参数,否则测试集也会被“间接用来训练”。通常要用验证集调参,最后再用独立测试集评估。
🧩 无监督学习:自己寻找相似伙伴
下面的点没有“小果”“大果”标签。点击“运行聚类”,观察 K-means 怎样按照位置把它们分成几组。选择不同的 K 值看看结果。
颜色表示算法分配的组,不是现实世界中天然存在的正确类别。K-means 使用欧氏距离,结果会受到 K 值、初始中心与数据形状的影响。
🔍 分成几组,就一定是几种东西吗?
调整 K 值,观察相同数据会被分成不同数量的组。再比较每组的中心点,思考:算法找到的“组”是不是人类认为有意义的类别?
无监督学习可以帮助发现结构,但不负责自动告诉我们每个群组的真实含义;解释结果还需要人类结合背景知识。
🏆 强化学习:做出行动,得到奖励
小星要从左上角走到右下角的星星。每走一步奖励 −1,撞墙额外扣 −3,到达终点奖励 +20。用方向按钮行动,看看奖励如何累计。
这里由你亲自操作机器人,体验“行动—奖励”的反馈循环;手动走迷宫不等于机器人已经学会了强化学习。下一实验会让一个真正更新动作价值表的简化 Q-learning 智能体自己练习。
🧠 Q-learning:从反复尝试中改进策略
下面用一个只有四个位置的小走廊演示强化学习。机器人从位置 0 出发,目标在位置 3;每步奖励 −1,到终点额外奖励 +10。它会尝试左右移动并更新 Q 值。
采用简化 Q-learning:学习率 α=0.3、折扣 γ=0.9、探索率 ε=0.2,训练时随机探索。这里的走廊很小,便于观察算法;现实强化学习通常更复杂。
🗺️ 三种学习方式,放在一张地图上
输入 + 正确标签 → 预测 → 比较误差 → 改进模型
常见:分类、回归输入数据 → 发现相似性或隐藏结构
常见:聚类、降维状态 → 选择动作 → 获得奖励 → 更新策略
常见:游戏、控制进阶:半监督学习与自监督学习又是什么?
半监督学习结合少量有标签数据与大量无标签数据。自监督学习从数据本身构造学习目标,例如根据上下文预测被遮住的词。它们提醒我们:现实中的学习方法不只有三种简单的盒子。
进阶:强化学习一定要“得分”吗?
奖励是优化目标的数值反馈,不一定是游戏积分。设计不好的奖励可能使智能体学会钻空子,而不是实现人类真正想要的结果。
🏅 6 道题,挑战机器学习训练师徽章
🚀 设计一个“三种学习方式”的校园 AI 实验
请分别提出一个监督学习任务、一个无监督学习任务和一个强化学习任务。每个任务写明数据或环境、反馈方式,以及可能出现的问题。
参考思路
监督学习:根据有标签的图书分类样本预测新书类别;无监督学习:对匿名借阅主题进行聚类;强化学习:在模拟图书馆中让机器人学习避障路线。应注意数据偏差、隐私和奖励设计。
🌟 今天记住三句话
① 监督学习依靠带目标答案的数据,无监督学习尝试发现结构。
② 强化学习通过行动和奖励反馈学习策略,不是简单背诵正确答案。
③ 数据、目标和反馈方式决定了怎样学习;真实 AI 系统也可能组合多种方法。
第19讲预告:《数据是 AI 的学习材料——样本、标签、特征与数据质量》,继续探索 AI 为什么会“学偏”。
🏆 AI 入门第 18 讲 · 核心知识打卡台
🌱 见习 AI 观察员已掌握:0 / 5 个核心知识点(点击下方卡片点亮勋章)