【Datawhale X 李宏毅苹果书 AI夏令营(深度学习入门)】Task1 通过案例了解机器学习

才二十三

于 2024-08-27 23:47:43 发布

阅读量334

点赞数 13

文章标签：人工智能机器学习

本文链接：https://blog.csdn.net/weixin_56318764/article/details/141601684

版权

前言

一、基本概念

1.什么是机器学习（Machine Learning, ML）？

2.什么是深度学习（Deep Learning, DL）?

3.人工智能、机器学习、深度学习之间的关系？

二、案例学习——How to find a function？

总结

前言

一直对机器学习相关内容很感兴趣，但未找到学习的契机（懒），最近在做AI Hardware Accelerator相关工作，终于!下定决心!去深入了解相关知识。很幸运遇到了【Datawhale X 李宏毅苹果书 AI夏令营】，趁着这次机会，希望能系统的学习机器学习等知识，为后续研究打下基础。后续也会持续更新相关内容！！！话不多说，即刻开始！

一、基本概念

1.什么是机器学习（Machine Learning, ML）？

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。如在语音识别等很多场景中，我们需要的函数非常复杂，人类难以把它写出来，因此想通过机器的力量把函数自动找出来。机器学习的核心内容就是把数据输入到一个人工设计的模型中，然后让模型自动的“学习”，来不断优化模型自身的各种参数，最终使得在某一组参数下该模型能够最佳的匹配该学习任务。

通常，根据要找的函数类型，机器学习可以分为三个类别：

回归（regression）任务：要找的函数输出为数值，为标量，如预测未来某一个时间的 PM2.5 的数值等；
分类（classification）任务：让机器做选择题，如检测一封邮件是否为垃圾邮件等。
结构化学习（structured learning）：机器产生一个有结构的物体，如画图、写文章等。

2.什么是深度学习（Deep Learning, DL）?

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

3.人工智能、机器学习、深度学习之间的关系？

深度学习是机器学习的一个分支而机器学习是人工智能的一个分支，简单用数学符号来表示，三者的关系为：人工智能 ⊃ 机器学习 ⊃ 深度学习。

二、案例学习——How to find a function？

以视频的点击次数预测为例介绍下机器学习的运作过程。其中通过机器学习找一个函数，该函数的输入是后台的信息，输出是隔天这个频道会有的总观看的次数。

机器学习找函数的过程，可以分成 3 个步骤。

写出一个带有未知参数的函数 f，来预测未来观看次数，如： $y=b+wx_1$ ，其中y是准备预测的东西，在此场景下便是今天的这个频道观看次数，而 $x_1$ （feature）则是该频道前一天的观看次数，b（bias）和w（weight）是未知的参数，即为需要通过数据去寻找的。而一个带有未知参数的函数在机器学习里变称为模型（model）。
定义损失（loss），损失也是一个函数，该函数的输入为模型里面的参数，此条件下即为L(b,w)。而所谓损失可以简单理解为估测值与实际值之间的“差距”。这个“差距”的计算方法可以根据场景不同人为来定义，如：平均绝对误差、均方误差、交叉熵等。
解一个最优化的问题。其中，梯度下降为经常使用的优化方法，是求解无约束优化问题最简单、最经典的方法之一。