推荐订阅源

https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.php

https://www.bilibili.com/video/BV1JA411c7VT/?vd_source=91adcbc4239927f23edac0d012f108c5&p=2

机器学习基本概念1

机器学习即找一个函数

对于不同输入（较为复杂）找到一个函数，得到一个输出；人类编程是很难的，这时候可以尝试让机器去学会这个函数

• 回归：输出是一个数值scalar
• 分类：选择题
• 其他类别：产出结构性东西 structured learning（如画一张图、写一篇文章； 让机器学会创作这件事），这个才是真正的黑暗大陆（人类未知，但是很广阔）

 

AlphaGo下围棋：也是一个分类问题（多分类）

机器怎么找一个函数呢？

我把课程上传到一个youtube频道。很多人在意我的频道有没有流量，才能知道我可以获利多少。

能否找到一个函数，输入是youtube后台的数据（你有一个频道的话，在后台可以看到如下数据），输出是这个频道第二天的总点击阅读率是多少。（可以预测下 我未来可以赚多少钱）

机器学习找这个函数的过程分为三个步骤：

1. 写出一个带有未知参数的函数（称为模型model）

简单说就是我们先猜测一下，这个函数到底长什么样？（依据domain knowledge）

•    y：这个频道今天（2月26日）观看的人数--要预测的，x1：这个频道前一天（2月25日）观看的人数--已知的（ x1称为 特征feature）
•    b、w：未知的参数  （称w为 weight、b 为 bias）

 

2. 定义一个东西（叫Loss）

Loss也是一个function（定义为L(b,w) ）

• 输入：是model里面的参数（b、w）（model：y = b + w*x1）
• 输出：如果把这组未知的参数设定某一个数值的时候，这个数值是好还是不好？有点抽象

 例子：要从训练资料（即这个频道过去的点阅次数，即2017-2020的点阅次数）来计算这个loss，真实的值y^ （称为label）

L(0.5k, 1)