【Day 3】机器学习基本功(一)

机器学习三大步骤

  1. 定义一个模型(model)
  2. 从模型里挑出好的函式(function)
  3. 经由演算法找出最好的函式

监督式学习

今天透过举例的方式来让大家初步了解监督式学习里包含的任务及方法,之後会再个别进行详细的介绍。

特性

  • 需要大量训练资料
  • 需要告诉机器输入和输出的关系,即为标记(label)

回归(Regression)

  • 函式的输出是一个数值(scalar)

例1:要机器预测明天的PM2.5,函式输出的PM2.5为一个数值,因此其为回归问题。其输入可能为过去会影响PM2.5的种种数值,输出即为明天PM2.5的数值,想要找到这样的函式则需要给予大量过去PM2.5的资料进行训练。

例2:预测股票,输入可能为过去几年股票的资料,输出为明天股票的价位。

例3:无人车,输入可能为无人车的各种感测器感测到的资料,输出可能为方向盘的角度。

例4:推荐系统,输入可能为某个使用者和某个商品,输出为该使用者购买该商品的可能性。

分类(Classification)

  • 机器从我们给予的选项中选择其中一个选项作为输出

例如:要机器判断是否为垃圾邮件,函式输出为我们给予机器的选项。其输入为一封邮件,输出即为是或否,因此其为分类问题,透过告诉机器什麽是垃圾邮件什麽不是的资料集来进行训练。而选项不只限於两个,也能够有很多个,例如:分类新闻类别。

深度学习(Deep Learning)

  • 函式非常复杂

例1:影像辨识,透过给予机器大量的图片训练,让机器寻找一个函式,它可以描述pixel与它的class之间的关系。

例2:下围棋,为一个分类问题,给机器的输入是一个棋盘的盘势,输出为下一步落子的位置,而一个棋盘上有19X19的位置可以落子,因此可以想像成它是19X19个选项的分类问题。

结构化学习(Structured Learning)

  • 函式的输出是一个有结构性的物件(object)

例如:语音辨识,输入为声音讯号,输出为该声音的内容,内容由多个词汇组成,为一个有结构性的物件。另外还有翻译、人脸辨识等等。


参考资料

李宏毅老师 - ML Lecture 0-1
李宏毅老师 - 机器学习2021


<<:  #0 - SCSS 不负责任快速入门

>>:  #0-好的动态让你成为网站界爱马仕、特斯拉!(前言)

Day 2 公告吧!

当我们浏览着一列列毫无止尽的文字,不知道该如何心安的情况下... 网路的世界本来就是犹如沙子般繁多的...

Day 5:AWS是什麽?30天从动漫/影视作品看AWS服务应用 -《爱x死x机器人》之〈自动客服〉

结束温馨又充满香香AI妹子的《Vivy -Fluorite Eye's Song》之後, 来点重口味...

2022重拾程序-写文件

服用注意:本篇绝对不是在教你如何21天养成一个计划、或戒掉什麽拖延症、还是什麽断舍离的文章! 上述这...

Day 27【Deploy NFT - Deploy on Testnet】Hey Listen, I QUIT!!

【前言】 在这之前我们已经在 Day 20 介绍过了 IPFS,今天我们要来介绍如何把我们的 NF...

Day20实用的线上练习平台

JSFiddle 在刚开始练习JavaScript可以使用这个线上练习工具JSFiddle 因为进入...