最近在上‘’深度学习与机器视觉‘’和‘’神经网络‘’的课程,了解机器学习的流程。感觉机器学习是一个很好的模型,我们可以根据机器学习的过程来审视自己的学习方法,不断调整自己的学习方法,最终找的达到自己期望的那个较好的学习模型。
下面来介绍机器学习的基本流程。
1.获取数据
2.特征提取
3.模型建立与训练
4.诊断、调优
5.模型验证、误差分析
注:当网络架构建立好后,验证分析误差,当误差不满足要求时,重复4和5,不断调整权重,直到达到要求。
在我们的学习生涯中,老师们大多是讲具体的知识,很少探讨学习方法,以至于当我们学习效果不是很好时没有意识去调整我们的学习方法,甚至没有学习方法的概念。
在了解了机器学习的过程后,感觉机器模仿人类的学习过程,有很好的模型和变量,以及对系统的诊断、评价和调整。机器学习的过程是对人类高效学习的过程的再现,因此我们人可以反过来模仿机器来建立自己的学习模型。
下面介绍机器学习类推学习方法(以英语学习为例)。
1.获取数据
获取数据指对英语资料的听、说、读、写等。
2.特征提取
特征提取指的是对获取数据的分析和记忆。听:在听得过程中获取对应的单词和句子,明白其意思;说:能够有效的表达自己的想法;读:读懂文字讲了什么;写:将自己心里想的写出来;在此过程中记忆一些生的单词,句式等。
3.模型建立
模型建立指怎样做听、说、读、写、记,这些在每天学习过程中时间分配和占比等。
4.诊断、调优
分析每天或者一段时间的学习结果是否让自己满意,若感觉有提高的空间,则改变模型或者改变时间占比等来优化学习方法。
5.模型验证、误差分析
将每天或者一段时间的学习结果与自己的期望进行比较,看看是否让自己满意。
(这是第一篇博客,感觉从机器学习的过程来找学习方法是个很好的想法,但由于本人表达能力有限,并没有很好的表达出自己的想法)