机器学习概述

机器学习≈机器自动寻找一个函数

根据函数输出分类

  • 回归（Regression）：函数的输出是一个数值；
  • 分类（Classification）：函数的输出是一个类别（选择题）；
  • Structure Learning（Generative Learning 生成式学习）：生成有结构的物件；

找出函数

前置步骤：首先根据需求弄明白需要什么样的函数，与技术无关

屏幕截图 2023-08-12 190917.png

再根据以下三个步骤进行：


屏幕截图 2023-08-12 185442.png

1. 设定范围：设定候选函数的集合（该集合即为Model）

2. 设定标准：制定一个“评判函数优劣”的标准（该标准即为Loss，与该标准下函数的好坏呈负相关）

  • 通过Supervised Learning，即寻求专业的专家来提供一个标准答案；

  • Loss Function接收之前函数生成的数据来计算Loss的值，即求出误差值；


    屏幕截图 2023-08-12 183448.png
  • 在部分样本没有专家给出一些样本的标准答案时，我们要自己设定一些标准；例如图中说明“长得像”的Pokemon有一样的战斗力，然后按照此标准调整函数，使其Loss值尽可能小；
屏幕截图 2023-08-12 184042.png
屏幕截图 2023-08-12 190211.png

3. 完成目标：根据Loss找出最佳的函数（又称为：Optimization 最佳化）

如何在众多候选函数中高效找出最佳函数-Gradient Descent
如何在众多候选函数中高效找出最佳函数-Backpropagation

屏幕截图 2023-08-12 190000.png

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容