学习是什么?
学习是通过大量观察得来的, 然后技能是通过大量的观察,然后学习,得来的
而机器学习就是主体变成人了. 通过机器的观察来学习(skill).
观察到的东西–>资料(data)
data–>ML–>improved performers meaures
股票的大量数据–>ML–>预测更准确
机器学习的应用
分辨一颗树
定义一棵树
通过大量观察而定义一棵树
用于,
不能手工编程系统–探索火星
不能更简单的定义–声音识别
人不能做出决定–高频交易
个性化的服务–目标市场
授之以鱼不如授之以渔!
有一个潜藏的模式–(那么彩票就不行了)
我们不知道怎么写下来
需要大量资料
什么时候使用ML
企业化–推荐系统
实例
银行根据用户的申请表来决定是否发卡给你
我们把你填的表的信息作为输入input x
想要知道机器的答案叫做output y 在这个例子中只有两个可能,一个是发卡,一个是不发卡.
也可以叫作good bad
然后机器学习是要有一个潜藏的模式
我们把这个功能叫做target function 目标函数–>F() 这个是我们不知道的
F:X->Y
然后要有资料
data D={(x1,y1),(x2,y2)};
资料当然是集合啦
x1就是以前发卡人填的信息 y1就是结果 就是发卡和不发卡
那么机器学到了什么, skill hypothesis
G:X->Y
那整个流程大概就是
{(x1,y1),(x2,y2)…} from F –>ML –>G:X->Y
所以这里,提醒两点
1.F我们不知道,知道我们就不用ML了
2.最后希望F和G很像,最好是一模一样
猜想G
H(h1,h2,h3)
h1:可能年收入超过50万 就发卡
h2:可能欠债80万 就发卡
h3:可能刚毕业两年 就发卡
机器学习要做的事情就是在这些可能的集合中选一个或几个当作最后的G