# 【机器学习】有趣的机器学习：最简明入门指南

## 何为机器学习？

“机器学习”是一个涵盖性术语，覆盖了大量类似的遗传算法。

## 让我们写代码吧!

```def estimate_house_sales_price(num_of_bedrooms, sqft, neighborhood):
price = 0

# In my area, the average house costs \$200 per sqft
price_per_sqft = 200

if neighborhood == "hipsterton":
# but some areas cost a bit more
price_per_sqft = 400

elif neighborhood == "skid row":
# and some areas cost less
price_per_sqft = 100

# start with a base price estimate based on how big the place is
price = price_per_sqft * sqft

# now adjust our estimate based on the number of bedrooms
if num_of_bedrooms == 0:
# Studio apartments are cheap
price = price — 20000
else:
# places with more bedrooms are usually
# more valuable
price = price + (num_of_bedrooms * 1000)

return price```

```def estimate_house_sales_price(num_of_bedrooms, sqft, neighborhood):
price = <computer, plz do some math for me>

return price```

```def estimate_house_sales_price(num_of_bedrooms, sqft, neighborhood):
price = 0

# a little pinch of this
price += num_of_bedrooms * .841231951398213

# and a big pinch of that
price += sqft * 1231.1231231

# maybe a handful of this
price += neighborhood * 2.3242341421

# and finally, just a little extra salt for good measure
price += 201.23432095

return price```

### 步骤1：

```def estimate_house_sales_price(num_of_bedrooms, sqft, neighborhood):
price = 0

# a little pinch of this
price += num_of_bedrooms * 1.0

# and a big pinch of that
price += sqft * 1.0

# maybe a handful of this
price += neighborhood * 1.0

# and finally, just a little extra salt for good measure
price += 1.0

return price```

## 思想扰动时间

1.过去40年来，很多领域（如语言学/翻译学）的研究表明，这种通用的“搅动数据汤”（我编造的词）式的学习算法已经胜过了需要利用真人明确规则的方法。机器学习的“笨”办法最终打败了人类专家。

2.你最后写出的函数真是笨，它甚至不知道什么是“面积”和“卧室数”。它知道的只是搅动，改变数字来得到正确的答案。

3.很可能你都不知道为何一组特殊的权重值能起效。所以你只是写出了一个你实际上并不理解却能证明的函数。 4.试想一下，你的程序里没有类似“面积”和“卧室数”这样的参数，而是接受了一组数字。假设每个数字代表了你车顶安装的摄像头捕捉的画面中的一个像素，再将预测的输出不称为“价格”而是叫做“方向盘转动度数”，这样你就得到了一个程序可以自动操纵你的汽车了！

## 步骤3中的“尝试每个数字”怎么回事？

θ表示当前的权重值。 J(θ) 意为“当前权重值对应的代价”。

711 篇文章118 人订阅

0 条评论

## 相关文章

### 【ICML+NIPS过去12年数据】机器学习被引次数最高作者Top 20

【新智元导读】为了研究AI研究领域的最新趋势，Kakao AI 研究小组对2005年至2016年期间ICML和NIPS发表的6163篇科学论文进行了分析，从累积...

48214

1902

3496

### 最新综述文章推荐：自然语言生成、深度学习算法、多媒体大数据分析

【导读】专知内容组整理了最近人工智能领域相关期刊的5篇最新综述文章，为大家进行介绍，欢迎查看! 1 ▌自然语言生成综述：任务，应用，评价 ---- ---- ...

6427

2034

3568

4036

### 熵与生命 概率

https://yjango.gitbooks.io/superorganism/content/shang_yu_sheng_ming.html

2371

### 视频 | 10行代码，用大脑重量预测体重！硅谷AI网红亲身示范

Siraj Raval 作为深度学习领域的自媒体人在欧美可以说是无人不知、无人不晓。 凭借在 Youtube 上的指导视频，Siraj Raval 在全世界吸...

4446

### 普通程序员，几个月如何成功转型AI？

IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 动辄50万的毕业生年薪，动辄100万起步价的海归AI高级人才，普通员到底应不应该转型AI工程...

4996