专栏首页林欣哲科个普啦—机器学习(下)

科个普啦—机器学习(下)

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。

本文分享自微信公众号 - 林欣哲(gh_aba6caba3ac7),作者:林欣哲

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-10-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 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...

    linxinzhe
  • 图解Git合并--Merge和Rebase

    项目初始情况 ? Merge fast-forward ? 快速合并,直接把指针指向前去,无冲突要解决。 非 fast-forward ? 保留历史记录,解决冲...

    linxinzhe
  • MySQL数据库备份和恢复

    linxinzhe
  • PHP函数

    可变函数类似于可变变量,通过在变量名后面添加一对括号,PHP就会自动寻找与变量名的值相同的函数,并且执行该函数

    白胡杨同学
  • 业界 | 机器阅读理解打破人类记录,解读阿里iDST SLQA技术

    机器之心
  • 第一章(1.3)机器学习概念图谱

    机器学习(machine learning)是最近非常火的一个领域,关于其一些基本定义百度百科、维基百科或者网上随便都可以找到很多资料,所以这里不做过多解释。

    两只橙
  • Node.js 10.0.0 正式版发布 大量改进和修复

    Node.js 10.0.0 正式发布,这是自 Node.js Foundation 开展以来的第七个主要版本,并将在 2018 年 10 月成为下一个 LTS...

    Debian社区
  • 第一章(1.3)机器学习概念图谱

    机器学习(machine learning)是最近非常火的一个领域,关于其一些基本定义百度百科、维基百科或者网上随便都可以找到很多资料,所以这里不做过多解释。

    两只橙
  • 统计学习方法资源汇总

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.n...

    用户1147447
  • 一个面试用例

    作者简介: 英正明, 腾讯专家工程师。在鹅厂,面试总是必不可少的。在面试的时候,我常常用下面的方法考查代码和算法的能力。发送面试通知时,会通知面试者会需要在白纸...

    阁主的小跟班

扫码关注云+社区

领取腾讯云代金券