生活_傻大方

  1. 首页 > 人文 > >

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem( 二 )


本文插图
Applications of Machine Learning
机器学习在我们的衣食住行等各个方面中都有应用 。
（1）Food：
数据来源：推特（评价+定位）
功能：了解这家饭店食物的味道如何
（2）Clothing
数据：商品的图片、用户穿搭
功能：告诉我们怎样去搭配衣服才能更加Fashion
（3）Housing
数据：房子的建筑特点、使用的能源
功能：预测房子在节能减排上面的能力
（4）Transportation
数据：交通灯的图片和含义
功能：准确识别交通灯信号

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
上面只是举一些例子 ， 当然这样子的例子还有很多!
机器学习在教育上的应用
数据：学生在上网课中的一些记录 ， 答题记录和上课记录等
功能：预测学生会哪些内容 ， 不会哪些内容 ， 并推荐一些资料 。
那么机器学习要如何去设计呢？

  • 从3000学生中给出900万数据
  • 利用机器学习去自动确定问题的难度等

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
娱乐方面的应用 ， 推荐系统
数据：有多少用户喜欢什么电影
功能：预测一个用户有多大概率喜欢一个没看过的电影
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
那么电脑是如何去学习这些特征呢？
利用模型将用户和电影用一串特征来描述 ， 对两串特征求内积 ， 如果相乘的分数高 ， 则会给非常高的推荐分数 。 但是我们没有办法去定义这些特征 ， 所以机器学习通过以往的数据 ， 去学习这些特征 ， 并预测用户有多喜欢这部电影 。
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
测试&答案
机器在以下哪些领域用不到？
1、金融 （预测股市）
2、医疗 （预测药效）
3、法律 （从公文书自动给出摘要 ， 便于搜寻和阅读）
4、不是上述的任何一个 yes
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
Components of Machine Learning 如何公式化机器学习的问题
基础的术语：
  • 输入：x（用户的行为）
  • 输出：y（根据预测结果好/坏 ， 决定是否要发卡）
  • 目标函数：f ， 未知的规则--->目标函数
  • 数据 ， 训练样本（过去收集的数据）
  • 假说 ， 选择一个最佳的假说对应的函数称为矩g ， g能最好地表示事物的内在规律 ， 也是我们最终想要得到的模型表达式

机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
机器学习流程图：
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图
从未知规律的数据中 ， 通过学习算法去挖掘 ， 让最终的 g 接近 f
注意点：
  • 目标函数 ， f是未知
  • 假说是希望g尽可能的接近f ， 但是可能还是不同于f
举例 ， 以信用卡为例
机器学习■林轩田机器学习基石课程学习笔记1 -- The Learning Problem
本文插图



上一篇：【历史皇太后】虽然严肃认真但依然笑点十足，印度阅兵的''鬼畜''摩托车队

下一篇：#太平洋电脑网#这回是在AirPods无线充电盒包装上，AirPower再次亮相