Tensorflow中文教程学习笔记（一） 机器学习简介

机器学习简介

从简单的石头剪刀布游戏入手，想要教会计算机玩这个游戏，前提是教会计算机学习，分辨手势→机器学习→人工智能

传统的编程，提前收集了一些数据，并定义了相关规则，这些规则被定义在你的编程思想和程序代码中，之后这些规则会被应用在数据上，使电脑认得。

反向思考，如果不高数电脑规则，而把数据和结果都告诉给计算机，让计算机去分析这些规则，这就是机器学习。

那么现在，我们可以收集很多手势的图像，告诉计算机哪些是石头，哪些是剪刀，哪些是布，之后计算机便可识别石头剪刀布了。这是机器学习的核心，即收集数据并把其中的规律告诉计算机。

在真正书写石头剪刀布的程序之前，从更简单的程序入手。
eg：判别x，y之间的关系：

先设定x，y之间关系的猜测，再用这样的猜测去检验后续的其他数据，之后发现这个猜测是正确的，所有的机器工作模式都是这样的。

上面是解决x，y关系问题的代码，用来建立一个机器学习的模型，发现数据并联系其他数据的过程。

第一行代码建立了一个模型，这是最简单的神经网络模型，这是keras.layers.Dense定义的一个单层神经网络，units=1表示单层神经网络只有一个神经元，input_shape=[1]表示输入值型为1，把单个x的值放入神经网络，让神经网络来预测这个x对应的y值，即输入值型为1。

第二行，当我们编译这个模型时，有两个函数，损失函数与优化函数，这两个函数将决定数据如何变化，十分关键，将使我们得到的结果不断趋向正确的值。

第五行，在这个例子中，模型将经过500次训练，猜测一个值然后来衡量其好坏，在这之后用一个优化函数来优化，这个过程会自己生成一系列的x、y值，模型会将x和y进行匹配，将x不断地带入y中并尝试500次。当结束时，就有一个训练好的模型了，可以用这个模型，给入一个x值，预测一个y值。

当我们运行程序，预测当x为10时，y应该是多少？理论上应该是19，但是程序运行得到y值是无限接近19的数，但并不是19。这又是为什么呢？
计算机在训练时，只被告知了6对数值，并不知道这6对数值之外还有其他的什么数值，这样的数据关系看起来是直线，但是并不一定，这种不确定性也被融入到了预测中。

在机器学习中这是一个很常见的问题，在下一篇内容中，将尝试更有意思的问题，比如计算机视觉，会教会计算机如何用相同的技术来看东西。

以上内容为TensorFlow官方中文视频学习笔记。