FAFU機(jī)器學(xué)習(xí) 3-1-2中文

為什么要用機(jī)器學(xué)習(xí)ML:構(gòu)建復(fù)雜系統(tǒng)的另一種途徑從這張圖片中學(xué)習(xí)并認(rèn)識:3歲就能做到定義花和手程序:困難基于ML的花卉識別系統(tǒng)比手工編程系統(tǒng)更容易建立ML路由ML:構(gòu)建復(fù)雜系統(tǒng)的另一種途徑使用ML的一些場景當(dāng)人類無法手動編程系統(tǒng)時(shí)在火星上航行當(dāng)人類不容易定義解時(shí)語音識別當(dāng)需要人類無法做出的快速決定時(shí)高頻交易當(dāng)需要在大規(guī)模中以用戶為導(dǎo)向時(shí)以消費(fèi)者為目標(biāo)的營銷ML的關(guān)鍵本質(zhì)關(guān)鍵精華:幫助決定是否使用ML機(jī)器學(xué)習(xí):改進(jìn)績效措施根據(jù)數(shù)據(jù)計(jì)算出的經(jīng)驗(yàn)存在一些需要學(xué)習(xí)的潛在模式因此，可以改進(jìn)性能評價(jià)方法但沒有可編程的定義所以需要ML不知何故有關(guān)于模式的數(shù)據(jù)所以ML有一些輸入可以學(xué)習(xí)機(jī)器學(xué)習(xí)的三個(gè)組成部分?jǐn)?shù)據(jù)想檢測垃圾郵件嗎？獲取垃圾郵件的樣本。想預(yù)測股票嗎？查找價(jià)格歷史記錄。想了解用戶偏好嗎？解析他們在WebChat上的活動。數(shù)據(jù)的獲取主要有兩種方式--手動和自動。手工收集的數(shù)據(jù)包含的錯誤要少得多，但收集起來要花費(fèi)更多的時(shí)間。自動方法成本較低，但誤差較大一些聰明的家伙，如谷歌，使用他們自己的客戶，為他們的數(shù)據(jù)免費(fèi)標(biāo)簽。還記得強(qiáng)制你“選擇所有街道標(biāo)志”的ReCaptcha嗎？他們就是這么做的。自由勞動！不錯啊。機(jī)器學(xué)習(xí)的三個(gè)組成部分?jǐn)?shù)據(jù)特征也稱為參數(shù)或變量。這些可能是汽車?yán)锍蹋脩舻男詣e，股票價(jià)格，文字中的詞頻。換句話說，這些是機(jī)器要觀察的因素當(dāng)數(shù)據(jù)存儲在表中時(shí)，它很簡單--特性是列名。但是如果你有100Gb的貓咪照片，它們是什么呢？我們不能把每個(gè)像素都看作一個(gè)特征。這就是為什么選擇正確的特性通常比ML的其他部分花費(fèi)更長的時(shí)間。這也是錯誤的主要來源。機(jī)器學(xué)習(xí)的三個(gè)組成部分?jǐn)?shù)據(jù)特征算法最明顯的部分。任何問題都可以有不同的解決方法。您選擇的方法會影響最終模型的精度，性能和大小。但有一個(gè)重要的細(xì)微差別:如果數(shù)據(jù)糟糕，即使是最好的算法也無濟(jì)于事。有時(shí)它被稱為“垃圾輸入-垃圾輸出”。所以不要太在意準(zhǔn)確率的百分比，盡量先獲取更多的數(shù)據(jù)。學(xué)習(xí)vs智力人工智能是一個(gè)整體知識領(lǐng)域的名稱，類似于生物學(xué)或化學(xué)機(jī)器學(xué)習(xí)是人工智能的一部分。重要的部分，但不是唯一的部分NeuralNetworksareoneofmachinelearningtypes.Apopularone,butthereareothergoodguysintheclass.DeepLearningisamodernmethodofbuilding,training,andusingneuralnetworks.Basically,it'sanewarchitecture.Nowadaysinpractice,nooneseparatesdeeplearningfromthe"ordinarynetworks".Weevenusethesamelibrariesforthem.LearningvsIntelligence深度學(xué)習(xí)都是神經(jīng)網(wǎng)絡(luò)嗎？機(jī)器學(xué)習(xí)