机器学习基本概念（李宏毅老师机器学习课程笔记1）

一,机器学习是什么

        比方说，机器收到一段语音信号，生成了语音的文字，机器自动找出中间经过的f()函数生成文字的过程就叫机器学习。

二.机器学习的类型

三.机器怎么找出f()

例子：用youtube一个up历史的观看人数预测下一天的观看人数

一共分为三个步骤。

1.写出一个带有未知参数的函数

注：其中model是猜测出来的（不一定对，今后还有工作加以修正）

2.从训练资料定义一个损失函数

        首先假设b和w带入model中，再通过带入一月一号的观看人数来预测一月二号的观看人数，再将和label（一月二号真实的观看人数）误差e1以此类推计算出所有的训练资料的误差总和除以数据数量总和即为loss。

        通过计算不同的b和w带入model计算loss并画出画出等高线图。

3.最佳化（梯度下降 gradient descent）

先看一个未知数：

        1.随便选择一个w，根据Loss的函数（自己设置的）求出在w那一点的斜率，如果斜率是负的就增加w，是正的就减少w（增加或者减少的度：1斜率大（小）就增加大（小）2.学习率（自己设置的，也就是超参数hyperparameters），重复步骤然后找出使L最小的w.

在推广到两个未知数：

        跟上述步骤一样，先随机选择w和b，计算斜率，然后决定移动方向，重复步骤最后找到最好的w和b。

通过对任务的理解加深，增加model的天数得出不同的model，算出不同的loss，可以看出随着天数的增加loss的值没有显著变化（linear model）