一.简单介绍一下机器学习
1.机器学习顾名思义,机器具备有学习的能力,具体来讲,机器学习就是让机器具备找一个函数的能力。机器具备找函数的能力以后它可以做很多事,比如语音识别,图像识别等。
2.假设要找的函数的输出是一个数值,一个标量,这种机器学习的任务称为回归。除了回归以外,另一个常见的任务是分类。分类不一定有两个选项,也可以有多个选项。
3.在机器学习领域里面,除了回归跟分类以外,还有结构化学习。比如让机器画一张图,写一篇文章,这种叫机器产生有结构的东西的问题,称为结构化学习。
二.机器学习找函数的过程(三个步骤)
1.第一个步骤是写出一个带有未知参数的函数f其能预测未来观看次数,比如将函数写成
y=b+w × x1
其中y指准备要预测的东西。b跟w是未知的参数,带有未知的参数的函数称为模型。特征x1是这个函数里面已知的,它是来自于后台的信息。w称为权重,b称为偏置。只是隐约的猜测,猜测往往来自于对这个问题本质上的了解即领域知识。
2.第二个步骤是定义损失,损失也是一个函数,这个函数的输入是模型里面的参数。模型如上y=b+w × x1,B跟w同时未知的参数损失是函数L(b,w),其输入是模型参数b跟w。损失函数输出的值代表现在如果把这一组未知的参数设定某一个数值的时候,这笔数值好还是不好。举一个具体的例子,假设未知的参数的设定是b=300,w=1,预测未来的观看次数的函数就变为y=300+x1。
3.第三个步骤是解一个最优化的问题,找一个w跟b,把未知的参数找一个数值出来。看带哪一个数值进去可以让损失大l的值最小就是要找的w跟b,这个可以让损失最小的w跟b代表他们是最好的一组,可以让损失的值最小。梯度下降,是经常会使用优化的方法。
本人是第一次发布此类文章,望多加包涵!!!
如有想深入了解,可点击以下链接
链接:Task1:《深度学习详解》- 1.1 通过案例了解机器学习(5页+40分钟视频).pdf - 飞书云文档 (feishu.cn)
另外,不要忘记打卡和接龙哦~