锐客网

  1. 首页 > 睿知 > >

入门机器学习必须知道哪些事呢？( 二 )

经验知识生活知识


如何创建机器学习算法?
假设我们已经提供了输入数据 。创建机器学习算法最终意味着建立一个输出正确信息的模型 。
现在 。将此模型视为黑匣子 。我们提供输入 。并提供输出 。例如 。考虑到过去几天的气象信息 。我们可能想创建一个预测明天天气的模型 。我们将输入模型的输入可以是度量 。例如温度 。湿度和降水 。我们将获得的输出将是明天的天气预报 。
现在 。在对模型的输出感到满意和自信之前 。我们必须训练模型 。训练是机器学习中的核心概念 。因为这是模型学习如何理解输入数据的过程 。训练完模型后 。我们可以简单地将其输入数据并获得输出 。
如何训练机器学习算法?
训练算法背后的基本逻辑涉及四个要素：
a.数据
b.模型
c.目标函数
d.优化算法
让我们探索每个 。
首先 。我们必须准备一定数量的数据进行训练 。
通常 。这是历史数据 。很容易获得 。
其次 。我们需要一个模型 。
我们可以训练的最简单模型是线性模型 。在天气预报示例中 。这将意味着找到一些系数 。将每个变量与它们相乘 。然后将所有结果求和以得到输出 。但是 。正如我们稍后将看到的那样 。线性模型只是冰山一角 。依靠线性模型 。深度机器学习使我们可以创建复杂的非线性模型 。它们通常比简单的线性关系更好地拟合数据 。
第三个要素是目标函数 。
到目前为止 。我们获取了数据 。并将其输入到模型中 。并获得了输出 。当然 。我们希望此输出尽可能接近实际情况 。大数据分析机器学习AI入门指南https://www.aaa-cg.com.cn/data/2273.html这就是目标函数出现的地方 。它估计平均而言 。模型输出的正确性 。整个机器学习框架归结为优化此功能 。例如 。如果我们的函数正在测量模型的预测误差 。则我们希望将该误差最小化 。或者换句话说 。将目标函数最小化 。
我们最后的要素是优化算法 。它由机制组成 。通过这些机制我们可以更改模型的参数以优化目标函数 。例如 。如果我们的天气预报模型为：
明天的天气等于：W1乘以温度 。W2乘以湿度 。优化算法可能会经过以下值：

入门机器学习必须知道哪些事呢？

文章插图
W1和W2是将更改的参数 。对于每组参数 。我们将计算目标函数 。然后 。我们将选择具有最高预测能力的模型 。我们怎么知道哪一个最好?好吧 。那将是具有最佳目标函数的那个 。不是吗?好的 。大!
您是否注意到我们说了四个成分 。而不是说了四个步骤?这是有意的 。因为机器学习过程是迭代的 。我们将数据输入模型 。并通过目标函数比较准确性 。然后 。我们更改模型的参数并重复操作 。当我们达到无法再优化或不需要优化的程度时 。我们将停止 。因为我们已经找到了解决问题的足够好的解决方案 。
【入门机器学习必须知道哪些事呢？】https://www.toutiao.com/i6821026294461891086/

推荐阅读


上一篇：中年女人一旦对你动了真情 中年女人对你动心的表现

下一篇：如何看一个女人爱不爱你 怎么判断女人爱不爱你