本文探讨了机器学习如何不同于传统的编程方式，强调了寻找数据中的模式而非堆积IF语句的重要性。通过列举分类问题的例子，如二元分类（垃圾邮件识别）和多元分类（新闻分类），阐述了机器学习的训练过程，包括选择函数集合、评估函数优劣及选择最佳函数。机器学习的目标是通过训练数据找到最佳模型，以应对更多未知情况。
人类设定好的天生本能
- 当你想要创建一个chat-bot，完成当输入的有"turn off"就关闭音乐
- 但是当"don’t turn off"也会关闭，就显得不那么smart了。
- 机器如果只能够按照人的规则来行动的话，人是很难考虑到所有的可能性的，他没有办法超过创造它的人类，所以他肯定也不会考虑到所有的可能性，就会更弱
Machine Learning
- 我们想要做的机器学习并不是一堆“IF”语句堆叠起来的程序
- 而是Looking for a function from data
- training部分包含三个部分：
- 第一步：列出一个function set（这不是训练数据集，而是不同类型的model，Linear / Non-Linear Model：deep learning, SVM, decision等等）
- 第二步：让Machine可以衡量一个function是好还是不好
- 第三步：让Machine有一个好的算法能够挑出一个最好的function
Classification
- Binary Classification
- 输入是Email，输出是否为垃圾邮件
- Multi-class classification
- 新闻分类任务：输入的是新闻，输出的是这篇新闻是什么类别
- 机器学习的output也就是我们常说的label ， input也就是training data
扫一扫
75
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
