Datawhale X 李宏毅苹果书 Al夏令营 – Task1 学习笔记

 导论

机器学习定义：机器学习就是让机器具备找一个函数的能力。

分为三个不同的类别：回归、分类、结构化学习。

回归（regression）假设要找的函数的输出是一个数值，一个标量（scalar），这种机器学习的任务称为回归。

分类（classification）分类任务要让机器做选择题。人类先准备好一些选项，这些选项称为类别（class），现在要找的函数的输出就是从设定好的选项里面选择一个当作输出，该任务称为分类。

结构化学习（structured learning）机器不只是要做选择题或输出一个数字，而是产生一个有结构的物体，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。

案例学习

机器学习找函数的过程，分成 3 个步骤。

第1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 + wx

y 是准备要预测的东西，w 称为权重（weight），b 称为偏置（bias）。

第 2 个步骤是定义损失（loss），损失也是一个函数。这个函数的输入是模型里面的参数，模型是 y = b + w ∗ x1，而 b 跟 w 是未知的，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。

第 3 步：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，看代哪一个数值进去可以让损失 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 称为 w∗ 跟 b∗ 代表它们是最好的一组 w 跟 b，可以让损失的值最小。