第一章 机器学习基础
-
机器学习的概念:让机器具备找一个函数的能力
-
机器学习的不同类型:
1.回归:用机器找一个函数,其输出是 一个数值,一个标量。
2.分类:用机器找一个函数,其输出是 设定好的选项中的一个。(选择题)
3.结构化学习:用机器产生有结构的物 体。
-
机器学习的三个步骤:
1.写出一个带有未知参数的函数
(用这个函数能解决所求的问题)
这个函数称为模型
2.定义损失
- 损失也是一个函数,损失函数的输出结果代表如果把这一组未知的参数设定某一个数值的时候,这组数值好还是不好。
- 将未知参数代入不同的数值时,会得到不同的损失,从而形成一条曲线——误差表面
- 数值好不好的判断标准—预估值与真实值差距的大小
- 计算预估值与真实值差距:
1.作差取绝对值(平均绝对误差)
2.差的平方(均方误差)
3.解最优化问题
通常利用梯度下降来优化,找到误差表面斜率为0的点,对应的参数的值。
- 梯度下降的问题:没有找到真正最好的解——原因:全局最小值和局部最小值