粉丝728获赞1966
在接下来的五分钟内,你将建立对机器学习正确的定性理解计时,现在开始 继续学习。听起来有点玄乎,对吧?没有生命的机器真的能够自主获取知识吗? 在回答这个问题之前,我们先来看看人类是如何获取知识。其实除了依靠传统的课堂课本,凭借逻辑获取知识之外,人类还有一种特别有效的知识获取途径,可以概括为物, 假如让你不断重复去做相同的事,但过程中不给你任何指导,只在你做出结果后告知你对错。那么你会最终成为一名相关专家吗?答案是肯定的,因为人类可以在不断的重复中悟出一些道理,并且依靠 这些悟出的道理让一件事越做越好。 继续学习呢,采取的就是这种物的策略。只是机器自诞生起呢,就一直被用来处理数据和信息,所以他更擅长在数字世界中回答问题,而不是在物理世界中做某件事。 例如,我们可以给计算机一张数字图片,问他其中的车辆和行人在哪?或者呢,我们可以给计算机一段数码音频,人工智能改变世界, 问他这段音频具体说了点啥?再或者,我们可以给计算机一个男生的基本信息, 问他这个男生受欢迎的概率有多大? 哎,这个问题挺有意思对吧?那我们就以此为例来讲解 写一下记学习实验的主要流程,参考物的策略。我们需要拿出一个又一个的男生样本, 重复的问计算机这个男生是否会受欢迎,并且不断的将正确答案告诉他。那么问题来了,男生要问如何表示正确答案又是谁给的呢? 在这个例子中,我们拿到了五十个男生的身高和月收入。紧接着我们找到一些女生,给出了男生是否会受欢迎的证据答案,并最终形成了这张表格。 表中的第一列是样本的编号,第二、三列呢,是样本的特征,最后一列用数字零和一表示样本的标签。 如果我们用横轴表示身高,纵轴表示月收入,并且把五十个男生要 画本都画到图上的话,是这样的,如果用绿色表示不受欢迎,男生用红色表示受欢迎的,我们可以很自然的画一条线,将两类男生分开, 这时再给出一个新的男生信息,我们只需要将他画在图上,并且观察他处于分界线哪一侧,来预测他是否会受欢迎。 这条线叫做决策边界。 当然,很多时候我们没有办法仅仅用两个数字来表示样本,所以这套角色边界呢,往往是存在于高维空间之中的,我们没办法把它画出来。 但请大家记住,任何记学习问题,计算机之所以能给我们答案,都是因为有这条角色编辑的存在,并且任何记学习的数学工具都是为了完美的画出角色编辑。 那么这道角色边界是如何画出来的呢?没错,就是数学工具。 计算机硬件相当于人类的肉体,而数学才是计算机的灵魂,也是机器能够产生智能的关键。那机器学习中的主要数学工具大家可以分成三类,大家可以把它理解成运动员、裁判员和教练员。 回到我们预测男生受欢迎程度的例子中,角色边界是这样画出来的,首先,运动员先任意画出一条角色边界,接着裁判员会判断这条角色边界画的好还是不好。 如果不够好,教练员会给出建议,只抽角色边界,如何修改会更好。然后,运动员根据教练员的建议再画出一条新的角色边界。如果上面的过程能够 不断的重复, 你将可以见证积极学习的整个过程。 最终,当裁判员再也挑不出毛病,当教练员再也给不出任何优化建议的时候,我们就得到了完美的角色编辑。 实际上,产业一线的记学习问题是十分复杂的,我们可能要用几百万个数字来表示一个样本。记学习的数学工具呢,是十分多样的,全球每年有近十万篇新论文在讨论这件事。 但无论你遇到多复杂的记忆学习问题,只要弄清下面两点,就能看懂他,首先要么的特征是啥,其次要么的标签是啥。这两个问题决定了记忆学习的输入和输出,这是二者之间比较复杂的。这个数学工具呢,也对于大部分来说是没有必要掌握的, 但我们仍然会做一个很长的视频,用人话把它说明白。 好,五分钟的时间已经到了,相信大家对于既学习呢,已经有了些自己的理解。我们团队呢,有着非常丰富的 ai 加项目经验, 如果你来自产业线,欢迎通过留言或者私信跟我们交流。另外呢,我们还有着非常丰富的 a i 加课程制作经验。如果你想学更多有用的人工智能知识,请点赞评论并且关注这期视频,就这样,我们有缘!