机器学习
机器学习中,学习(learning)是⼀个训练模型的过程.通过这个过程,我们可以发现正确的参数集,从而使模型强制执⾏所需的⾏为(预测或是分类等问题)。
在机器学习中包含四个关键组件:数据、模型、目标函数、算法.
一个典型的训练过程如下图显示:
整个训练过程步骤:
1.由一个随机初始化的参数模型开始,在一开始的时候,该模型并不能实现所谓的人工智能。
2.模型获取了一些数据样本,如图片信息以及是否标注标签信息等。
3.进行微调,使得数据样本在模型当中运用的更好。
4.不断重复整个过程,直到模型训练出一个令实验者满意的结果。
往往在训练的过程中,利用的是多个数据样本组成的数据集进行训练的,这些样本往往遵循独立同分布。在大多数使用的过程中,每一份样本由一组**特征(features)**组成。而我们的机器学习模型,会根据这些特征进行提取。
在模型训练的过程中,也分为有监督学习、无监督学习。
监督学习:将数据样本的特征打上标签,如该物品叫什么名字,该物品长宽高为多少等,通过标签进行训练,让计算机根据标签内容直接的去做预测。
无监督学习:指从不包含目标标签的训练样本中自动学习到一些有价值的信息.