学习三个月的深度学习最近在在实现机器学习线性分类器算法中,突然感到迷惑。
故将想法总结如下:
(大神可绕道,个人陋见。有哪里理解有问题的地方请大家指正谢谢!)
问题一:机器学习是什么?
问题二:深度学习又是什么?
问题三:当然是他们之间有什么不同呢?
什么是机器学习
首先从一个门外汉的角度,机器学习就是让机器通过学习获得一种能力。作为门外汉,这句话总结的没瑕疵。
我们看看大神们是怎么看机器学习的:
“计算机程序可以在给定某种类别的任务 T 和性能度量 P 下学习经验 E ,如果其在任务 T 中的性能恰好可以用 P 度量,则随着经验 E 而提高。”
这是由Tom Mitchell给出应用最广泛的一个概念,哎呀!一看我看懂懂了,不知道你们看懂了吗?不就是让一个baby不断的学习知识,提高自己的实力,有一个好的前途吗?但是他强调的是计算机程序,这似乎没什么问题。但是我有想法了,难道让机器过的条件反射来处理应急状态的能力就不算学习吗?虽然目前的机器学习都是将算法(解决问题的办法)变成计算机程序实现的。但是不代表学习的过程只是软件啊!好吧,看来我适合当一个草根学者。
言归正传,首先机器学习目前大量用于类别任务,就是让机器得出一个结论。不管是分类还是预测,最终会给出一个结果,而给的结果会有一个度量的P(损失函数中的输出值),然后通过结果的准确率进行迭代,获得更好的结果。(这里通过反向传播算法实现中间参数的更新,迭代是正想传播和反向传播两个过程)最终有一个很好的结果,圆满的完成任务。
什么是深度学习
首先深度学习属于机器学习,那么门外汉来了。深度学习就是学习的更深了,哈哈!看看又没有什么瑕疵!
这次不看大神的定义了,因为我觉得我没大神讲的好!就目前我个人认为深度学习是将数据多层抽象后不断的学习,就想刚开始门外汉的想发确实更深了。数据多层抽象这个概念很有意思,怎么就多层抽象了?首先我们从我们身边的汉子说起,但我们单独的看到每个词时,没什么情感表达。通过一层抽象之后变成一个词,这样词就有褒贬之分了。在进行抽象,一句话,拥有更丰富的含义。再进行抽象就是一个段了,他可以表达一个主题。再抽象!!算了不抽了。
不知道大家有没有明白我的意思,而深度学习不仅完成了抽象的壮举,同时他还实现的简单运算。(no!!!)
我也不知道我在说什么(卷积-卷积。。。。难怪都分分钟上百层)
深度学习与机器学习有什么不同呢
这个问题我自己醉了,太多的不同,导致我一个都想不起来!!!想知道不同自己去看看。