Python神经网络学习(三)--机器学习--西瓜书学习笔记

前言

最近跟老师学习西瓜书，正好和之前的学习路程重合，便结合在一起更新，也建议大家跟着看看机器学习的内容，根据我的理解（不一定对），学习路线应该是：

机器学习->深度学习（包含神经网络）

那么今天从西瓜书的绪论开始吧，我会尽量把我学到的以及书上难懂的讲清楚。一起加油！！

我不会直接系统说大量的定义，而是在文章中慢慢渗透进去，慢慢理解。

机器学习

什么是机器学习？

根据百度百科的定义：

是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

通俗来讲，机器学习，就是使机器通过某种方法，学习到我们想让他学习到的东西，比如前两讲，我们使“机器”学习到了如何给他一个华氏度，他计算出摄氏度，我们使一个“机器”学会怎么分辨玫瑰和月季，这就是机器学习的实例。

而在这个过程中，我们给机器一些例子，让他们学习。

机器学习的过程

正如前两讲中，我们通过一个初始的公式+一些我们已知的数据，可以慢慢慢慢的计算出最后较为精确的公式，从而帮助我们分析计算。

而这个过程，就是机器学习的过程。而给出已知数据，通过已知数据调整系统参数的过程，可以近似的认为机器在上课。

通过上述的内容，我们可以把过程化简为下面的流程图：

这个过程，就是机器学习的过程了。

数据选择 

我们拿到一堆数据之后，要去把数据分组，需要有训练的数据和验证测试的数据，如下图：

 举个例子，可以拿到80%作为训练集（即使用这80的样本用来训练），拿10%的样本去验证，剩下的样本全部用来测试。

这个地方，验证集是用来测试后，验证模型是否正确，验证的过程中还会调整参数，而测试集，仅仅是用来测试，测试的过程中不会调整参数。还是有略微的区别的。

但是要注意，三个分组的数据分布，要尽量保证一样，比如玫瑰花-月季花分类，我们不能把月季花作为训练集，玫瑰花作为验证集，而应各个品类在各个分组中比例大致相同。

误差 

前两讲中说过，误差=真实值-计算值（或计算值-真实值，只要自己清楚即可）。

对于最终得到的结果公式 g ≈ f(x)，我们希望它误差尽可能小，这样才能较为准确的进行工作。

最终函数g ≈ f(x)

其实最终的g还是较为难控制的，误差太小，有可能会出现过拟合的问题（over- fitting）,误差过大，就会出现欠拟合的问题（under-fitting）。

其实这个问题很容易理解，我们可以通过坐标系来看，假设现在有这些数据：

 我们想拟合出这些数据的曲线，较为理想并且几率较大的曲线应该是下面的：

这些曲线能符合这些数据的趋势，还能最大程度的体现出数据的特征，其他可以的当然都能作为最终的曲线函数，采用的时候都可以有较大的信服力。

什么是欠拟合呢？如下图：

 整个函数其实是一条直线（此时数据量少，看起来没区别，但数据量大了，就有区别了），只能看到趋势，但就像一条随手画的直线一样。

同样，下面这张图是过拟合的样子：

我们不排除原本的数据就是这个曲线的可能，但是那样几率太小了，所以一般认为这样就是过拟合。 

如何防止欠拟合或过拟合呢？

一般来讲，欠拟合较为容易克服，我们可以通过镜像翻转或者再次训练来增加样例的数量，从而防止欠拟合的现象。

但是过拟合，难以解决，最重要的问题是，我们无法划分拟合与过拟合的界线，他们之间的界线并不是太明显。

就好像洗澡时，很难去找到合适的水温度，稍微拧多了或少了一点点，就很难受。

 先到这里吧！

 今天先理解一下机器学习的概念，建议大家结合前两讲一起看，有些概念是重合的，或者说前两讲的内容是给本期作为例子存在。

下一期会硬刚一些公式和难懂的概念。

 希望大家有所收获，一起学习、进步！