机器学习

机器学习（Machine Learning）就是让计算机通过数据学习规律，而不是通过硬编码的指令来执行任务

模型

模型是由算法和数据构成，类似于一个函数y=f(x)，把已知条件送给模型，模型给出预测的结果

模型工作的核心流程

输入数据

在训练之前，我们给模型输入大量的训练数据，模型会尝试寻找输入与标签之间的数学关系。例如：

训练数据：我们送给模型的数据，包含输入还有标签（正确的输出结果）

推理

模型会在这个阶段进行计算，例如： y = w*x + b

• x: 输入
• w, b: 模型的参数（模型需要进行调整）
• y: 预测

模型在学习阶段通过我们给的输入以及标签，进行调整自己的 w 和 b 数值。 模型通过学习找到了”规律”，就可以处理没有见过的数据了

训练

1. 准备的数据：

   学习时间 x（小时）	成绩 y（分）
   1	50
   2	60
   3	70
   4	80

2. 一开始模型的参数是随机的，模型拿到我们的数据后，计算出来的输出也是随机的，模型会计算输出结果与标签之间的差距是多少，例如： y = 10x + 20

   • 真实成绩 = 70
   • 模型预测 = 50

   error = 真实成绩 - 模型预测 = 10

   计算损失值的过程称为损失函数（Loss）

3. 模型根据损失函数来调整自己的参数（也就是自己的 w 和 b 数值）

   y = 11.5x + 22.4

   这个调整自己参数的过程叫做梯度下降（Gradient Descent）

4. 多次循环步骤1~步骤3，模型会得到一个最终的调整结果 y = 10x + 40

机器学习的三种主要类型

根据学习方式的不同，通常将模型分为三类：