歡迎關(guān)注微信號:student_Shang
小編是985院校小碩士一枚,歡迎關(guān)注,持續(xù)更新中~
哈嘍慎陵,大家好~
首先要跟各位說聲抱歉仲闽,因為剛開學(xué)一些個人瑣事比較多脑溢,導(dǎo)致公眾號處于長期斷更的狀態(tài)。很感謝各位朋友并未取關(guān)蔼囊,小尚童鞋在這里跟大家說聲謝謝啦!以后的更新應(yīng)該會慢慢加快頻率焚志,甚至實現(xiàn)一天一更的狀態(tài)衣迷。
先簡單回顧一下上個月的學(xué)習(xí)情況:除了每周相對較多的隨機過程以及工程矩陣作業(yè)之外,剩余的時間大多用在 Python 的學(xué)習(xí)與應(yīng)用上酱酬,這其中包括對 Python 語言特性的學(xué)習(xí)壶谒,也包括利用 Python 實現(xiàn)簡單的爬蟲應(yīng)用,這主要通過 Python 中豐富多樣的第三方庫完成膳沽,例如 Requests 庫(請求網(wǎng)頁)汗菜、BeautifulSoup 庫(解析網(wǎng)頁)、 re 庫(解析網(wǎng)頁)等挑社。想在這里立一個 flag :每天更新一個爬蟲程序陨界,持續(xù)一個月。當(dāng)然啦痛阻,如果發(fā)現(xiàn)我當(dāng)天沒有更新菌瘪,可以在當(dāng)天 12 點以后公眾號告訴我,我會在第二天的推送中選擇一位發(fā)個小紅包(10-20 元)~
今天寫這篇推送的目的第一是跟大家說一聲阱当,我胡漢三又回來了 hhh~俏扩;第二呢,就是打算從今天開始轉(zhuǎn)入機器學(xué)習(xí)算法的理論學(xué)習(xí)中弊添,關(guān)于 Python 內(nèi)容會慢慢更新录淡。接下來根據(jù)自己對周志華教授《機器學(xué)習(xí)》這本書第一章的閱讀進行一個簡單的總結(jié)。
1 導(dǎo)入
其實本質(zhì)上來說油坝,“機器學(xué)習(xí)”這一概念并不新鮮嫉戚。我們可以把他看做“新瓶裝舊酒”的一個典型。你可能會問澈圈,為什么近些年突然這么火來了彬檀。
周老板在第一章中是這么解釋的
數(shù)據(jù)大了,計算能力強了
在過去极舔,之所以沒有發(fā)展起“機器學(xué)習(xí)”凤覆,本質(zhì)上便是因為當(dāng)時的硬件設(shè)備難以滿足要求,而近些年隨著摩爾定律的迭代拆魏,包括“智能手機”的出現(xiàn)盯桦,不僅計算能力與過去發(fā)生了翻天覆地的變化,同時無窮無盡的數(shù)據(jù)散布在互聯(lián)網(wǎng)的各個角落渤刃。這才導(dǎo)致“機器學(xué)習(xí)”這把火越燒越旺拥峦。
2 機器學(xué)習(xí)中的一些問題
2.1 機器學(xué)習(xí)的研究內(nèi)容
本質(zhì)上說,機器學(xué)習(xí)的研究內(nèi)容便是完成對一組數(shù)據(jù)的分析卖子,這必然會涉及到相關(guān)算法略号,例如監(jiān)督學(xué)習(xí)(Supervised Learning)、無監(jiān)督學(xué)習(xí)(Unsupervised Learning)等,這些算法被統(tǒng)稱為“學(xué)習(xí)算法(Learning Algorithm)”玄柠。
2.2 機器學(xué)習(xí)的特點
總的來說突梦,機器學(xué)習(xí)的特點主要包括下述幾點:
機器學(xué)習(xí)是以概率論、統(tǒng)計學(xué)羽利、信息論宫患、計算理論、最優(yōu)化以及計算機科學(xué)等多領(lǐng)域交叉的學(xué)科这弧;
機器學(xué)習(xí)以模型方法為中心娃闲,運用統(tǒng)計學(xué)習(xí)方法建立相應(yīng)模型,隨后利用這一模型完成對未知數(shù)據(jù)的預(yù)測匾浪;
機器學(xué)習(xí)的目的便是為了對數(shù)據(jù)進行更好的利用皇帮;
機器學(xué)習(xí)算法主要以數(shù)據(jù)的特征作為依據(jù),是數(shù)據(jù)驅(qū)動的科學(xué)蛋辈。
2.3 機器學(xué)習(xí)的全過程
輸入數(shù)據(jù) -> 算法建模 -> 對未知數(shù)據(jù)再預(yù)測
從這一流程可以看出属拾,數(shù)據(jù)是關(guān)鍵,沒有數(shù)據(jù)便沒有機器學(xué)習(xí)冷溶。第二便是針對具體問題捌年,利用已知算法,完成建模任務(wù)挂洛,這其中包括歸納偏好、評估方法眠砾、性能度量虏劲、比較檢驗等。在模型不斷更新的基礎(chǔ)上褒颈,我們實現(xiàn)了對未知數(shù)據(jù)更好的預(yù)測柒巫。
3 再談人工智能、機器學(xué)習(xí)與深度學(xué)習(xí)
上世紀五十年代開始谷丸,人工智能(Artificial Intelligence)便處于研究階段堡掏,那時科學(xué)家認為,只要機器能夠具備邏輯推理能力刨疼,便能夠具有智能泉唁。當(dāng)然,這一理論已經(jīng)被推翻揩慕。隨后人們想到亭畜,由人把規(guī)則告訴機器,讓機器來進行處理迎卤,這一階段出現(xiàn)了“專家系統(tǒng)”拴鸵,但是也無法解決這個世紀性難題。再然后科學(xué)家們便想到,我們可以讓機器自己去學(xué)習(xí)呀~這便是機器學(xué)習(xí)的由來劲藐。而我們這里提及的深度學(xué)習(xí)八堡,也便是上世紀出現(xiàn)的多層神經(jīng)網(wǎng)絡(luò)。
4 總結(jié)
機器學(xué)習(xí)首先需要數(shù)據(jù)作為支撐聘芜,隨后針對具體問題兄渺,選擇合適的算法完成建模,根據(jù)一系列指標對模型進行評價厉膀,并不斷優(yōu)化溶耘,在優(yōu)化的過程中做到對數(shù)據(jù)進行更好的分析與預(yù)測。
THE END