怎样去学习机器学习
- 从理论出发:学到最后可能出现这么一种情况:学了很多东西,不知道怎么使用。
- 从实践出发:只会调用各种包,成为一个调参者
- 从基础出发:大佬推荐的方法,先掌握机器学习的基础内容,然后在进行更加深入的学习。
什么时候使用机器学习
在回答这个问题之前要先明白什么是机器学习,要想弄明白机器学习要先清楚什么是学习。
-
学习: 简单来讲就是获取技能。怎么样获取呢?通过观察。列如:三岁的小孩子,可以通过观察知道什么是一棵树,还能在下次见到树的时候准确的辨认出来。也就是这么一种关系:观察–>学习–>技能。
-
机器学习:还是以辨认出一棵树为列:怎么样让机器识别出一棵树呢?用传统的编程方法来思考的话,我们要定义什么是一棵树,可能需要一百个甚至更多的规则来进行阐述树的特征。然后通过编程来让计算机进行对树的辨认,这个工作量非常的大,辨认出的结果也不一定准确。我们可以仿照人的学习方式,来让计算机进行学习。我们把树的资料给计算机,让他通过观察这些资料,获得一个技能,让他能够下次在见到新的树时,可以准确的把他给识别出来。也就是这样一种模式:data–>ML–>skill
-
哪些情况下可以使用机器学习:
- 利用一些算法规则建立,建立一个复杂系统:
- 人们不能通过编程操作一个系统,如火星特测器的导航
- 人们不能很好定义一个问题的时候,如语音识别
- 利用一些算法规则建立,建立一个复杂系统:
-
机器学习使用的要点:并不是所有的问题都适合机器学习,存在以下三个特征的问题可使用机器学习解决
- 存在可以被识别的模式
- 不能用被定义出来的
- 有大量的数据存在
为什么使用机器学习
传统的方法解决起来非常麻烦的问题,以机器学习的视角可能会变得很容易,还是以辨认出一棵树为列:怎么样让机器识别出一棵树呢?用传统的编程方法来思考的话,我们要定义什么是一棵树,可能需要一百个甚至更多的规则来进行阐述树的特征。然后通过编程来让计算机进行对树的辨认,这个工作量非常的大,辨认出的结果也不一定准确。我们可以仿照人的学习方式,来让计算机进行学习。我们把树的资料给计算机,让他通过观察这些资料,获得一个技能,让他能够下次在见到新的树时,可以准确的把他给识别出来。也就是这样一种模式:data–>ML–>skill
机器学习在不同领域的应用
以衣食住行四个方面为列,以下便是机器学习的模式:
推荐系统也是一个典型的列子:以电影推荐系统为列子
- 给机器资料,不同用户对不同电影的评分
- 我们希望的到:给定一个用户,给他推荐一部新的电影,预测他对这部电影喜好。
- 以我们自身对一部电影的评价为列:
- 我们对一部电影的喜爱程度,可能受到很多因素的影响比如说电影的类型、是否有某个演员等等。一部电影也有这些特质,我们将自己喜欢的特征,和电影的特征进行某种运算,然后得出自己是否喜欢这部电影
- 机器要做的事情是:他有了一部电影,也有这部电影的特征。但是他没有用户的特征,ML要做的就是:从给定的资料出发,根据某个用户的打分数据,得出这个用户的特征,进而得出用户是否会喜欢该电影。
机器学习的一些记号
定义机器学习:
- 根据已知的数据得到一个目标函数:可以很好的反应input与output之间的关系
- 在训练过程中,我们会得到很多的可能目标函数,hypothesis set
- 从hypothesis set中选出一个最接近目标函数的函数:g。找到g的这个过程就是机器学习的过程。