Machine Learning

机器学习就是让机器具备找函数的能力

机器学习类型

Regression

函数的输入和输出都是一个数值

Classification

就是让机器做选择题

Structured Learning

产生一个有结 构的物件 举例来说,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,就叫作Structured Learning

机器学习步骤

1. Function with Unknown Parameters

   找到一个带有未知参数的函数

   比如

   $ y = b + w * x $
   y是要准备预测的东西

   x是这个频道,前一天总共观看的人数, y跟 x都是数值

   b跟w是未知的参数,它是准备要透过资料去找出来的,我们还不知道w跟b应该是多少,我们只是隐约的猜测

   

2. Define Loss from Training Data
   

   定义损失函数loss，loss是一个Function，输入是Model里的参数,这个Function输出的值代表说,现在 如果我们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。

   大L越大,代表我们现在这一组参数越不好,这个大L越小,代表现在这一组参数越好

   我们可以用不同的w跟b的组合,都去计算它的Loss,然后就可以画出以下这一个等高线图

   

   在这个等高线图上面,越偏红色系,代表计算出来的Loss越大,就代表这一组w跟b越差,如果越偏蓝色系, 就代表Loss越小,就代表这一组w跟b越好

3. Optimization

   接下来我们进入机器学习的第三步,那第三步要做的事情,其实是解一个最佳化的问题,我们今天要做的事情就是,找一个w跟b,把未知的参数,找一个数值出 来,看代那一个数值进去,可以让我们的L,让我们的Loss的值最小,那个就是我们要找的w跟b,那这个可 以让loss最小的w跟b,我们就叫做w* 跟b* 代表说他们是最好的一组w跟b,可以让loss的值最小.