机器学习三要素之间的关系
模型
- 机器学习的目的——模型(Model)
- 机器学习训练的过程中所要学习的条件概率分布或者决策函数
策略
- 如何构造模型——策略(Strategy)
- 就是使用一种什么样的评价度量模型训练过程中的学习好坏的方法,同时根据这个方法去实施的调整模型的参数,以期望训练的模型将来对未知的数据具有最好的预测准确度
算法
- 模型的实现——算法(Algorithm)
- 是指模型的具体计算方法。它基于训练数据集,根据学习策略,从假设空间中选择最优模型,最后考虑用什么样的计算方法去求解这个最优模型
举个例子助于理解:
- 妈妈教孩子认字,那一个个的汉字就是数据,妈妈教孩子的过程就是策略,妈妈用的方法就是算法,孩子最后就成了一个能够认识不同字的模型
详解
- 首先每个汉字有不同的形态,这些偏旁、部首就是汉字的特征,妈妈给孩子讲解每个汉字的这些特征,让孩子认识,记住的过程就是策略。妈妈用的教育方法就是训练过程中使用到的算法,比如告诉孩子哪个汉字具体有哪些特征,什么样的特征是这个汉字,什么特征不是这个字,这就是监督学习过程,告诉孩子对错和判断的标准,并通过孩子的反馈不断地纠正孩子的错误来纠正孩子的认知,从而使得孩子能够不断的提高识字的准确程度,这个算法也就是监督学习算法
- 孩子经过妈妈的一番教导和不断地纠正错误(训练过程)最后终于有了自己相对稳定的判断(模型本身)可以识别不同的汉字了。但是还会有时认错字(误差),这就是训练过程不可避免的存在误差。即便是人本身也不可能事事都能百分之百做对、做正确,金无足赤,人无完人,机器亦是如此。
- 从上边的过程可以看出,妈妈教孩子识字的过程就是一个机器学习的过程,繁多的汉字作为训练的原始数据集,孩子就是已经定义好的模型结构,妈妈的教育过程就是一个有监督的数据训练的过程,孩子的反馈和妈妈的纠正属于算法执行过程,最终孩子学会了识记各种汉字,直白点孩子此时本身就是一个识别汉字的模型