加餐 | 机器学习其实就那么几件事
方远
你好,我是方远。
通过前面的学习,我们知道,PyTorch 是作为一种机器学习或深度学习的实现工具出现的,因此学习 PyTorch 的时候,免不了会碰到一些机器学习中的相关概念和名词。
在专栏前期调研和上线之后,我收到了不少反馈、留言,希望可以在专栏里介绍一下机器学习的基本知识。
今天这次加餐,我们就一起来看看什么是机器学习,它是怎么分类的,都有哪些常见名词。在补充了这些基础知识之后,我还会和你聊聊模型训练的本质是什么,你可以把它当作专栏更新过半的期中总结。
好,让我们正式开始今天的学习。
人工智能、机器学习与深度学习
说到人工智能、机器学习还有深度学习这三个词,我们虽然很眼熟,但三者的关系总是理不清。
其实,这三者的关系是一种包含的关系。人工智能包含机器学习,而机器学习又包含深度学习。
人工智能、机器学习与深度学习关系示意图
人工智能的概念其实很早就有了,不过受到技术能力的限制,很少进入到人们的视线当中。当你在网络上搜索人工智能的概念时,可能每一条搜索结果都是用大段文字来解释。归根结底,人工智能的本质就是人们想让计算机像人一样思考,来帮助人们解决一些重复、繁重的工作。
人工智能的应用主要包括以下这几项:
专家系统
自然语言处理
计算机视觉
语音系统
机器人
其他
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
本文深入探讨了机器学习的基本概念和工作流程。作者以清晰简洁的语言,通过生动的比喻,将机器学习中的专业名词串联起来,使读者更容易理解。文章首先解释了人工智能、机器学习和深度学习之间的关系,以及它们在现实生活中的应用。随后详细介绍了机器学习的分类与工作流程,包括有监督学习和无监督学习的区别,以及训练集、验证集、Epoch和Step等概念。作者强调了机器学习的核心环节,包括数据处理、模型训练和模型评估,并指出这些环节是任何项目开发的基本步骤。在模型训练部分,作者强调了模型结构设计、损失函数和优化方法的重要性,并鼓励读者通过学习论文和相关博客来扩充知识面。总的来说,本文为读者提供了对机器学习基本概念的全面了解,并展望了后续学习的方向。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《PyTorch 深度学习实战》,新⼈⾸单¥59
《PyTorch 深度学习实战》,新⼈⾸单¥59
立即购买
登录 后留言
全部留言(5)
- 最新
- 精选
- 官提起机器学习模型,感觉不是所有的业务场景都能用到神经网络或者深度学习,比如曾经遇到的一些小样本数据,条目加起来不过一两百而且结构很简单,有时候传统的机器学习模型比如SVM甚至是线性回归效果就很好了,感觉“不是要为了用而用,而是要做到物尽其用”。
作者回复: 👍🏻,对。 没有必要所有地方都是用深度学习。 对于一些机器学习项目,直接使用LR、SVM、GDBT等算法,也会取得非常好的效果。
2021-11-107 - 李雄喜欢老师本节的配图,太形象啦。
作者回复: 你好,李雄。谢谢你的认可^^。
2021-11-123 - Geek_63ad86配图很棒!模型的训练和搭乐高积木很像,就是把不同的组件组合起来,产生更大的效果
作者回复: 👍🏻👍🏻👍🏻^^
2022-02-231 - John(易筋)模型训练的本质就是确定网络结构、设定损失函数与优化方法。 机器学习开发的3个步骤 1. 数据处理:主要包括数据清理、数据预处理、数据增强等。总之,就是构建让模型使用的训练集与验证集。 2. 模型训练:确定网络结构,确定损失函数与设置优化方法。 3. 模型评估:使用各种评估指标来评估模型的好坏。 模型训练3步: 1. 模型结构设计:例如,机器学习中回归算法、SVM 等,深度学习中的 VGG、ResNet、SENet 等各种网络结构,再或者你自己设计的自定义模型结构。 2. 给定损失函数:损失函数衡量的是当前模型预测结果与真实标签之间的差距。 3. 给定优化方法:与损失函数搭配,更新模型中的参数。2022-08-06归属地:广东1
- ifelse学习打卡2023-12-02归属地:浙江
收起评论