前言:
参加本次夏令营,可以学习到和机器学习相关的内容,通过苹果书上的内容可以更加全面的扩充对机器学习相关内容的理解,本次任务先了解一些基础知识,通过阅读几页内容和观看视频,完成自己的隐藏任务。
一、基本概念
1.机器学习:就是机器具备学习的能力,让机器具备找一个函数的能力。例如,机器进行语音识别,就是机器通过听一段声音,产生相对应的文字,我们要找的就是一个函数,输入是语音,输出是文字·,通过机器的力量把这个函数自动找出来。
2.回归:如果我们找的函数是一个数值,那么这种机器学习的任务称为回归。例如:机器要预测未来某一个时间的PM2.5的数值,那么机器要找一个函数,输入可能是跟PM2.5有关的指数,比如平均温度、臭氧浓度等,输出就是我们要算的PM2.5的值,所以找这个函数的过程就是回归。
3.分类:就是让机器做选择题,我们先给机器准备好一些选项,也就是类别,我们要找的函数就是从设定好的选项里选择一个当作输出,这就是分类。例如,我们每个人都有邮箱账户,邮箱账号里面有一个函数,该函数可以检测一封邮件是否为垃圾邮件,这就是分类过程,分类不止有两个结果,也可以有多个选项。
4.结构化学习:机器不只是要做选择题或者输出一个数字,而是产生一个有结构的物体,这种产生有结构的东西的问题就称为结构化学习。比如,让机器画一张图等
二、案例学习
通过一个案例,来认识机器学习找函数的3个步骤。
案例描述:假如想要通过视频平台赚钱,那么他会在意频道有没有流量,通过观看每天点赞的人数、订阅人数,观看次数等来查看,根据一个频道过往所有的信息可以预测明天的观看次数来找一个函数,该函数的输入是后台这些信息、输出是隔天这个频道的总观看次数。
1.步骤1:写一个带有未知参数的函数,这种函数我们称作模型。如下,y是要预测的东西,x1是前一天的观看次数,是已知的,也称作特征,他们都是数值,w和b是未知的,w记为权重,b记为偏置。
2.步骤2:定义损失
损失是函数L(b,w),损失函数的输出值代表这组数值是好还是不好,举一个具体的例子,假设未知的参数的设定是 b = 500,w = 1,预测未来的 观看次数的函数就变成 y = 500 + x1。要从训练数据来进行计算损失,在这个问题里面,训练数据是这一个频道过去的观看次数。
3.步骤3:解一个最优化的问题。
找一个w和b,把未知的参数找一个数值出来,看代哪一个数值进去可以让损失L的值最小,就是要找的w和b,让损失最小的就是最好的。
三、感悟
自学完这一小节的任务后,对机器学习的损失函数的计算有了更好的理解,包括一些基本概念,比如均方差,平均绝对误差等都更加的清晰,书上写的也很明确,更加的清晰易懂,也为后面的学习打下了更好的基础。