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)