08|关于机器学习,你需要了解的基本概念(一)
独行
你好,我是独行。
前面我们已经完整体验了大模型的相关技术,可以把大模型简单地运行起来辅助业务了。但是如果我们想要进行更复杂的使用,比如训练、全参数微调等,那以目前的技术和能力还是不够的,我们还需要进一步掌握一些内部的技术原理。
对比软件开发来说,目前我们仅仅是把一个开源的软件在自己的服务器环境里跑了起来,并且可以简单做一些配置和开发,如果想真正进行二次开发,或解决实际运行中遇到的问题,我们必须去了解软件的运行原理,甚至去阅读源代码。
从这一章开始,我会向你介绍大模型底层用到的一些技术和原理,虽然网上关于这类技术的教程和文章很多,但是我会以软件开发人员能够理解的方式去介绍,方便你理解,快速掌握。这节课我主要会讲解一下机器学习的基本概念和常用的一些算法。我们先来了解下什么是机器学习。
机器学习
通俗来讲,机器学习(Machine Learning,ML)就是让计算机利用数据来“学习”如何完成任务。和传统编程不同,你需要明确地告诉计算机每一步怎么做,机器学习允许计算机通过分析和学习数据来自我改进及作出决策。
我们先看一个简单的例子,假设我们想要预测一个地区的房价。在这个场景中,我们的数据集可能包含很多房屋的信息,比如面积、卧室数量、地理位置等,以及每个房屋的售价。在传统编程中,你可能需要根据经验编写复杂的规则和公式来估算价格。但在机器学习中,我们让模型自己去“学习”这些规则。
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
1. 机器学习是让计算机利用数据来“学习”如何完成任务,通过分析和学习数据来自我改进及作出决策,与传统编程不同,不需要明确地告诉计算机每一步怎么做。 2. 机器学习的应用范围广泛,从简单的任务(如预测房价)到复杂的任务(如自动驾驶汽车、语言翻译等),都有机器学习技术的身影。 3. 深度学习是机器学习的重要分支,主要以深度神经网络为主,通过多层神经元组成的结构模拟人的大脑结构,能够学习不同级别的特征,具有强大的学习能力。 4. 机器学习过程包括10个步骤,从问题定义到模型上线及运维,涵盖了问题定义、数据收集、数据预处理等关键步骤。 5. 数据是机器学习的基础,需要收集足够多、质量好的数据,能够代表解决的问题,数据可以通过公开数据集、公司内部数据、网络爬虫等方式获取。 6. 数据预处理是将原始数据转换成更适合机器学习算法处理的格式,包括处理缺失值、异常值、数据标准化、特征选择等步骤。 7. 分割数据、选择模型、训练模型、评估模型、参数调优和模型优化、部署模型、监控和维护是机器学习过程中的关键步骤。 8. 线性回归是一种预测分析技术,用于研究两个或多个变量之间的关系,逻辑回归主要用于处理分类问题,尤其是二分类问题。 9. 了解机器学习的基本概念是理解机器学习过程的基础,包括让计算机利用数据来“学习”如何完成任务,以及深度学习等重要分支的基本原理。
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
《AI 大模型实战高手课》,新⼈⾸单¥59
《AI 大模型实战高手课》,新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论