本文介绍了机器学习的基本概念，通过李宏毅老师的解释将机器学习理解为寻找函数的过程，并以线性回归为例，概述了ML的模型选择、损失函数和参数优化三步走。同时，文章列举了多种机器学习算法分类，包括有监督、无监督等，并提及了回归、分类、聚类等任务类型，以及神经网络、深度学习等领域。
机器学习(Machine Learning)是人工智能时代的核心技术，深度学习(Deep leaning)是机器学习中一类重要的方法。机器学习的应用非常广泛，相机美颜、个性推荐，人脸解锁、垃圾邮件过滤、阿法狗......很多智能化的应用场景背后，都离不开机器学习算法的支撑。
机器学习的概念
那么机器学习到底是什么东东呢？是造一个机器人来学习吗，非也。按照李宏毅老师的说法，机器学习相当于找一个函数(looking for a Function)。
如下图所示，你对着siri说一句话，她就能知道你说了什么；你给识图软件一张喵星人照片，它就能识别这是一只猫猫；你给阿法狗一个棋局，它就能算出下一步应该怎么下.....先不管这些事情内部是怎么实现的，从整体上来看，就是给学习器一个输入，它就可以给出唯一输出，这不就是函数吗？
更学术化的表达机器学习的概念，就是通过编写程序学习经验来提高完成任务的性能。
机器学习大致可以分为三个步骤，我们通过最简单的例子——线性回归来理解一下。
ML的一般步骤：
ste
最低0.47元/天 解锁文章
扫一扫
568
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
