【无标题】

task1学习笔记

学习前5页的内容，主要是在介绍机器学习的三个步骤，首先给出了机器学习的几种任务。

（1）回归，输出是数值、标量（2）分类，类似做选择题，输出是选项（3）结构化学习，例如生成图片

书中给了一个案例来辅助学习理解，根据频道过往的信息来预测明天的观看次数。

机器学习的过程就是找函数的过程，第一步是学出带有未知参数的函数，这个函数能够预测未来的观看次数。这些未知参数要通过数据来查找出来，猜测需要了解其领域知识，猜测不一定是对的，后面会修正这些参数。带有未知参数的函数称为模型。

第二步设计一个损失去判断对参数数值的设定的好坏。计算预测值与实际值的差距，将所有数据的误差相加，越小参数就越好。预测值与实际值的差距有多种方法，不同的数据可以采用不同的方法，蛮灵活的。第三页提到了平均绝对误差、均方误差和交叉熵。还给出了误差表面的图，更形象的帮助理解损失的概念。

第三步是借最优化问题。看哪个未知参数能使损失更小。最常见的是梯度下降法。组要就是介绍了一下梯度下降是怎么进行的，这里就不做赘述了，因为已经学过概率论了。

比较在意的是交叉熵和局部最小值是个假问题这两个点，下面进过查询对其的了解。