机器学习系列(1)——机器学习介绍
Framework 以影像辨识为例,我们找个function输入一张图片,机器告诉我们这个图片里有什么样的东西。 在做这件事时,首先要准备一个 function set (集合),这个function里面有成千上万的function。举例来说,这个function在里面,有一个f1,你给它看一只猫,他就告诉你输出猫,看到一只狗就输出狗。有一个function f2他很怪,你给他看猫,他说是猴子;你给它看狗,他说是蛇。总之,先假设我们手上有一个function set,这个function set就叫做 model (模型)。 有了这个function set,接下来机器要做的事情是:他有一些训练的资料,这些训练资料告诉机器说一个好的function,它的输入输出应该长什么样子,有什么样的关系。你告诉机器说,现在这个影像辨识的问题里面,如果看到这个猴子图要输出猴子,看到这个猫的图也要输出猫,看到这个狗的图也要输出狗,这样才是对的。只有这些训练资料,你拿出一个function,机器就可以判断说,这个function是好的还是不好的。 机器可以根据训练资料判断一个function是好的,还是不好的。举例来说:在这个例子里面显然f1,他比较符合training data的叙述,比较符合我们的只是。所以f1看起来是比较好的,f2看起来是一个荒谬的function。以上讲的这个task叫做