Это первый день моего участия в Gengwen Challenge.Подробности о мероприятии:Обновить вызов.
Эта статья представляет собой заметки о курсе машинного обучения г-на Ли Хунъи, портал курса?.
[Машинное обучение 2021] Прогноз количества зрителей на этом канале (Часть 1) — Введение в основные концепции машинного обучения
Пусть машина найдет функцию
Короче говоря, машинное обучениеДайте машине возможность найти функцию. После того, как у машины появилась возможность находить функции, что она может делать? Например, следующие вещи могут быть сделаны машиной.
Предположим, вы хотите попросить машину сделать распознавание речи сегодня. Машина слушает звук и генерирует текст, соответствующий звуку. Тогда все, что вам нужно, это функция. Вход этой функции — звуковой сигнал, а выход — содержание звукового сигнала. Можно представить, что эта функция должна быть очень сложной, и очевидно, что это не уравнение, которое можно написать от руки, поэтому мы рассчитываем использовать мощность машин для автоматического нахождения этой функции, что является машинным обучением.
Распознавание изображений
Точно так же функция, входом является изображение, а выходом является то, какой контент находится на изображении.
Чтобы заставить машину играть в го, мы можем использовать функцию, вход — это положение белых и черных камней на доске, а выход — позиция, в которую машина должна двигаться дальше.Если она достаточно хороша, мы также можем сделать AlphaGo.Существуют разные категории машинного обучения в зависимости от функции, которую мы ищем.
направление машинного обучения
Регрессия
Если мы ищем функцию, результатом которой является число, то есть скаляр, человека, который находит эту функцию, называют регрессионным.
Например, входными данными найденной нами функции могут быть различные индексы, связанные с прогнозируемым значением PM2,5, включая сегодняшнее значение PM2,5, сегодняшнюю среднюю температуру, сегодняшнюю среднюю концентрацию озона и т. д. Ее выходом является значение PM2,5 в полдень. завтра это задача регрессии.
Классификация
Эта задача требует, чтобы машина отвечала на вопросы с несколькими вариантами ответов. Сначала мы, люди, подготавливаем некоторые варианты. Эти варианты также называются классами. Результатом искомой функции является выбор одного из заданных нами вариантов. В качестве вывода задача этой проблемы называется классификацией.
Например, в учетной записи Gmail есть функция, которая может помочь нам определить, является ли электронное письмо спамом. Его ввод — электронная почта, а вывод имеет два возможных варианта: спам или нет. Машина должна выбрать вариант из да или нет.Эта проблема называется классификацией.Конечно, классификация не обязательно должна иметь только два варианта, но также может иметь несколько вариантов.
Например, сам по себе alphago также является задачей классификации, но эта классификация имеет больше вариантов. Если подумать, на доске 19 на 19 позиций, поэтому вопрос фактически превращается в вопрос с несколькими вариантами ответов с 19 на 19 вариантов. Что мы хотим, чтобы машина сделала, так это нашла функцию. Вход этой функции - положение черных и белых камней на шахматной доске, а выход - выбрать правильный вариант из 19 на 19 вариантов. Эта задача также проблема классификации.
Структурированное обучение
То, что сегодня машины сегодня не только делают вопросы с несколькими вариантами выбора, а не просто вывода числа, но и создают структурированный объект. Например, машина рисует картину и пишет статью, и проблема, которую машина производит что-то структурированное, называется структурированным обучением. В антропоморфных терминах следует учить машины научиться создавать эту вещь.