【Datawhale X 李宏毅苹果书 AI夏令营】 第一章 机器学习基础

机器学习的分类：

·回归（Regression）：机器输出一个数值，一个标量。

·分类(Classification)：机器从人类预先设计好的几个选项中选择一个当作输出，输出值为离散的。

·结构化学习(Structured Learning)：机器输出一个有结构的物体，如画一张图，写一篇文章。

监督学习&无监督学习：

机器学习中的监督学习与非监督学习-CSDN博客​​​​​​​

机器学习三个步骤：

·step 1 : function with unknown

  写出一个带有未知参数（parameter）的函数，该函数称为模型（model）.

  如 y = b + w x

  y为准备预测的东西，x 为特征（feature）是来自后台的信息， w、b是未知参数，w权重（weight）, b偏置（bias）.

·step 2 : define loss from training data

  loss 即损失函数 L (b,w): 是以未知参数为变量的函数，反应这组参数好还是不好。L越大，这组参数越不好。

  

·step 3 : optimization  最优化

  方法：梯度下降（gradient descent）

  步骤：

固定其他参数使得只有一个变量（如w）；

随机选取一个w0 ；

在该点处L对w求导,若斜率为负，则在该点附近w变大可以使L变小。（yita学习率learning rate，自己设置的，决定参数改变的幅度。这种在机器学习中，需要自己设定，而不是机器自己找出来的参数，称为超参数hyperparameter）;

反复进行上述操作，不断移动w的位置，直至 更新到设定的次数/该处斜率为零时停下来。