前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >科个普啦—机器学习(下)

科个普啦—机器学习(下)

作者头像
linxinzhe
发布2018-04-10 15:05:29
5470
发布2018-04-10 15:05:29
举报
文章被收录于专栏:林欣哲

在机器学习(上)里谈到了机器是如何学习的,当前主流的学习方法是监督式学习,即用大量带标签的数据训练机器使得机器知道如何解决问题。

那么训练就得有效果,指导机器往好的方向学习,那么如何指导机器的学习方向?主流的方法用的是梯度下降的方式。梯度就是方向的意思,下降是往误差小的方向去(即好的方向)

机器从抽象意义上看的由许多参数构成的数学模型,数学模型可以认为就是一个函数。函数有输入和输出,为了让这个函数解决我们的问题,我们就得优化他,而优化则需要衡量他的输出和正确答案之间的误差,这个误差越小则说明我们的对问题解决的越好。

这里我们整理一下逻辑。

机器学习->优化模型->最小误差

知道了和正确之间的差距,就要缩小差距,缩小的方法就是对误差做的梯度下降。

既然机器在抽象意义上是个函数,我们用最简单的函数(只有一个参数)来说明问题,在二维平面把它的图画出来是这样的。

横坐标是函数的参数,纵坐标是误差。

请看横坐标函数的参数决定了误差,我们要让误差最小,则要找到对应的这个参数。

找的方法就是梯度下降。

步骤:

1. 刚开始时,我们的函数初始化后会随机在一个位置

2. 梯度下降就是求这个位置的梯度(方向)

2. 然后往误差小的方向挪动横坐标,从而得到新的位置。

不断重复2、3步这个过程,让函数的误差最小,或者只要小到满足的你预期即可。我们也就得到了这个最能解决问题的数学模型了,即这个就是训练好的机器了。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-10-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 林欣哲 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档