1.人类学习、机器学习
学习一般分为三个过程,即积累经验->总结规律->灵活运用
人类学习:一个人根据以往的经验,对一类问题总结出一定的规律,然后利用新的知识来对新的问题作出判断的过程。(栗子:考前疯狂刷题->总结考题知识点->考试真题运用)
那么机器学习是什么?(难道是机器学习的过程,其实可以这样理解)
网上定义不过如此:
定义一:机器学习是指用某些算法指导算法计算机利用已有数据得出适当的模型,并利用此模型对新的情境给出判断的过程。
定义二:机器学习是让计算机从较多的数据中提取出有用的信息,最后拥有决策判别的能力。
jd理解:
2.为什么需要机器学习呢?
因为人类学习有局限性。
人类学习的缺点:人类学习是有限的(学习能力差、记性差、反应慢、寿命有限、脑容量有限)
机器学习的优点:弥补了这些不足之处,但是,机器怎么学习?得要人“教”(好了,此刻,机器就是baby)。
3.人类如何教会机器学习?
人类开始摸索“教育方式”,发展出各种各样的机器学习算法。
说到这,机器学习是指用某些算法指导计算机利用已知数据得出适当的模型,把并使用该模型对新的问题给出判断的过程。就好理解了。
模型的“好坏”在于:训练强度的大小,即数据量的规模。借助一个好的例子理解:如果说模型是我们希望造出来的火箭,那数据就是它的燃料。数据量直接决定了我们的火箭只是个概念玩具,还是能够载人登月,还是可以飞出太阳系探寻智慧生物。