FAFU机器学习 3-1-2中文.pptxVIP

为什么要用机器学习ML:构建复杂系统的另一种途径从这张图片中学习并认识:3岁就能做到定义花和手程序:困难基于ML的花卉识别系统比手工编程系统更容易建立 ML路由ML:构建复杂系统的另一种途径使用ML的一些场景当人类无法手动编程系统时在火星上航行当人类不容易定义解时语音识别当需要人类无法做出的快速决定时高频交易当需要在大规模中以用户为导向时以消费者为目标的营销 ML的关键本质关键精华:帮助决定是否使用ML机器学习:改进绩效措施根据数据计算出的经验存在一些需要学习的潜在模式因此，可以改进性能评价方法但没有可编程的定义所以需要ML不知何故有关于模式的数据所以ML有一些输入可以学习 机器学习的三个组成部分数据想检测垃圾邮件吗？获取垃圾邮件的样本。想预测股票吗？查找价格历史记录。想了解用户偏好吗？解析他们在WebChat上的活动。数据的获取主要有两种方式--手动和自动。手工收集的数据包含的错误要少得多，但收集起来要花费更多的时间。自动方法成本较低，但误差较大一些聪明的家伙，如谷歌，使用他们自己的客户，为他们的数据免费标签。还记得强制你“选择所有街道标志”的ReCaptcha吗？他们就是这么做的。自由劳动！不错啊。 机器学习的三个组成部分数据特征也称为参数或变量。这些可能是汽车里程，用户的性别，股票价格，文字中的词频。换句话说，这些是机器要观察的因素当数据存储在表中时，它很简单--特性是列名。但是如果你有100 Gb的猫咪照片，它们是什么呢？我们不能把每个像素都看作一个特征。这就是为什么选择正确的特性通常比ML的其他部分花费更长的时间。这也是错误的主要来源。 机器学习的三个组成部分数据特征算法最明显的部分。任何问题都可以有不同的解决方法。您选择的方法会影响最终模型的精度，性能和大小。但有一个重要的细微差别:如果数据糟糕，即使是最好的算法也无济于事。有时它被称为“垃圾输入-垃圾输出”。所以不要太在意准确率的百分比，尽量先获取更多的数据。 学习vs智力人工智能是一个整体知识领域的名称，类似于生物学或化学机器学习是人工智能的一部分。重要的部分，但不是唯一的部分Neural Networks are one of machine learning types. A popular one, but there are other good guys in the class.Deep Learning is a modern method of building, training, and using neural networks. Basically, its a new architecture. Nowadays in practice, no one separates deep learning from the ordinary networks. We even use the same libraries for them. Learning vs Intelligence深度学习都是神经网络吗？机器学习下面应该是表示学习，包括所以使用机器学习挖掘表示本身的方法。 The map of machine learning world