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 >机器学习重新思考--何为机器学习

机器学习重新思考--何为机器学习

原创
作者头像
到不了的都叫做远方
修改2020-05-09 10:21:32
3570
修改2020-05-09 10:21:32
举报
文章被收录于专栏:翻译scikit-learn Cookbook

如果懒惰是人类的天性,那为什么要去责怪机器抢走了人类那些重复性的劳动?

在科技发展的今天,很多事情人们都不再亲力亲为,要么交给了专业人士,要么交给了机器。于是有一部分人称为了专业人士,一部分人成了专业忽悠,一部分人去捣鼓机器,然后一大部分人被解放出来,获得了休闲。

在休闲之余,有人不禁惶恐,这机器把人能干的事情都干了,那人怎么办?

个人认为,机器目前代替人们所做的事情,大部分是机械重复的劳动,而被解放出来的人,能够去做更多的创造性的事情。有人说不会,其实未必那么难,人类可以创造的东西很多,有人创造希望,有人创造焦虑,有人创造快乐,有人创造痛苦,有人创造生活,有人创造活法,只要你愿意去动动脑筋,你的生活,何尝不是别人梦寐以求的诗与远方。

说到机器代替人的劳动,个人认为,这就是由单独变成批量化进行的过程,是不同技术带来的变革。曾经独立的个体制造,变成了机械化的批量生产。曾经一人一骑的单独旅行,变成了车船的多人出行。曾经一群人做一件事,一个人做一件事,到一个人做多件事,到不需要人,做多件事。曾经的一个一个,变成了一批一批。其实都是一个道理。只是曾经的蒸汽机、汽车、数控机床,在这一次变成了一个叫做电脑或者机器人的东西。所以我想提醒自己的是,在做事时,如何将批量思维,运用到事物中去,或许是提升自己的一个途径。

在《机器学习》一书中,作者Tom M. Mitchell在解释机器学习时这样写道:

如果一个计算机程序针对某类任务T的用P衡量的性能根据经验E来自我完善,那么我们称这个计算机程序在从经验E中学习,针对某类任务T,它的性能用P来衡量。

这句话让我对机器学习的理解,有了一种豁然开朗的感觉。之前不好好看书的我,就知道机器学习是分为监督学习非监督学习,机器学习问题分为回归问题和分类问题,来,咱们准备点数据,来拟合个回归模型,来拟合个分类模型。然而学是学了,还是迷迷糊糊的。今天仔细看了书,觉得这句话给我带来莫大的启发。

机器学习是一个指向某个任务的过程。一切的行为都是为了完成这个任务,或者说,更好的完成这个任务。

记得本科老师讲给我的一句话,至今记忆犹新:

工作服务于目的,数据服务于算法。

在机器学习过程中,数据是基础,模型有大佬开发,我这样的调包猿好好的学习如何运用模型就好,而任何一个模型,无论我懂不懂,调用进来后,都会给我返回一个或者多个结果,我就得去学会判断模型的好坏,有了判断,然后得到一个相对较好的模型,来帮助我完成,我的目标任务。总结如下:

  1. 准备好数据,这里要对数据有认识,知道什么样的数据,什么样的数据形式,适用于什么样的模型,在模型调试过程中,是否还有对数据的处理,都是需要考虑的问题。
  2. 了解模型,学习大佬们写好的模型,了解每个模型的应用场景,优缺点,可调参数等等。
  3. 学习如何评估模型,模型的调用很简单,数据准备好,差不多fit以下就行,那么,判断模型表现变得尤为重要,如何在多种模型当中寻找适合的组合,如何调整模型参数,得到更好的反馈。这是我能做的事情。
  4. 将模型应用于任务,然后总结经验,积累成长。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

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

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

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

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