科个普啦—机器学习（上）

昨天聊了深度学习，它其实是机器学习的一种，而机器学习的目的是为了学会解决问题。

这里的机器实质上是一个计算机，所能解决的问题得是数学上的问题，因此生活中要解决的问题要转换为数学的问题。

定义出数学的问题后，那么，机器到底要怎么学习呢？

先看看人怎么学习的，我们上学时是看课本，听老师讲解，做题，然后核对答案，错了就改正，下次争取做对题。机器也是一样的。

目前主流的机器学习的方式是监督式学习。通过大量的数据和标签（类比试题和正确答案），让机器学习（类比做题），错则改正，对了就记住这样是对的。最终符合一定的准确率的标准后（类比考到90分以上），则认为这个机器已经学到了解决问题的函数了。

这里的监督的含义，即有人告诉他是对是错。

那么机器实质上是如何调整自身的呢？

这里要说明一下，机器从实际上看是一堆计算机硬件，但从抽象意义上看的由许多参数构成的数学模型。所以调整自身，即是调整这个模型和模型上的参数。

那么把数据输入这个数学模型后，就有对应的输出的结果。我们需要一个东西来衡量他的输出和正确答案之间的差距，这个函数就叫误差函数。

最终，学习的目的就转化为让这个误差最小，即优化模型最小化误差函数。

机器学习（下）将谈谈机器是如何优化自身模型，真正学到东西的。