1、机器学习可以预测

如果你只是在图片中标记朋友的面孔,那就不是在用机器学习模型。如果你上传了一张新照片系统马上告诉你每个人是谁,那你就是应用了机器学习模型。机器学习的主要意义在于根据图案模型和经过训练的其他因素来预测事物。它可以预测任何事物,如要基于地理位置和卧室数量预测房价,基于一年中的时间和天气的变化预测航班是否会延误,依据图片中的人物特点进行人像识别等等。

2、机器学习需要训练

你必须告诉机器学习模型它试图预测的是什么。想想一个孩子是如何学习的,他们第一次看到香蕉,他们不知道它是什么。然后你告诉他们这是一个香蕉。下次他们看到另一个,他们会把它识别为香蕉,机器学习就是以类似的方式工作。你可以尽可能多地展示香蕉的照片,告诉它这是香蕉,然后用未经训练的香蕉图片进行测试。但这是一个过度的简化的方法,因为整个过程遗漏了告诉它什么不是香蕉的部分,除此之外还要给它展示不同种类不同颜色、不同角度的香蕉图片等等。

3、达到 80% 的准确度就可以认为是成功的

我们还没有达到通过机器学习平台识别图片中的香蕉达到 100% 的准确率技术的地步,但也没关系,事实证明,人类去识别也不是 100% 准确。业界的潜规则是达到 80% 准确度的模型就是成功的。大家可以思考一下,在你收藏的图片中正确识别 800,000 张是非常有用的,虽然可能还有错误的 200,000 张,但这已经节省了 80% 的时间。

毋庸置疑,这是非常有价值的。假如我可以用它使你的生产力提高如此之多,你肯定会付我很多钱。而事实证明我可以用机器学习提高你的生产力。(2018 年更新:80% 规则改为 90% 规则。)

4、机器学习不同于AI,深度学习或神经网络

人们经常随意抛出以上这些术语,听起来像专家,但其中有很大差异。

AI-人工智能是指在完成特定任务时与人类一样好(或优于人类)的计算机。它也可以指一个可以根据大量输入做出决策的机器人,与终结者或 C3PO 不同。它是一个非常广泛的术语,不是很有特指性。

ML-机器学习是实现AI的一种方法。就是通过解析数据集对某事做出预测。ML 平台可以通过许多不同的方式运行训练集来预测事物。

NL-神经网络是实现机器学习模型预测事物的方式之一。神经网络的工作有点像人的大脑,通过大量的训练来调整自己,以了解香蕉应该是什么样子。这个过程创建了非常深的节点层。

5、在 AI 变得有自我意识之前,我们还有很长的路要走

我并不担心机器学习接管地球。主要是因为如果你曾构建过一个机器学习模型,就会明白它需要依赖你来告诉它究竟该做什么。即使你给出明确的指示,它通常也会出错。你必须对这些体系非常清晰明确,让它突然变化的可能性降到最低。即使是一个显示带有单词的框的简单网页,也需要你准确地告诉它该框出现的位置,形状,颜色,如何在不同的浏览器上工作,如何在不同的设备上正确显示等等。

机器学习需要理解的五个基本概念相关推荐

  1. 理解五个基本概念,让你更像机器学习专家

    理解五个基本概念,让你更像机器学习专家 https://www.jianshu.com/p/ca37ea88a757 摘要: 这篇文章主要讲述了机器学习的相关内容,阐述了机器学习的主要意义和形成过程. ...

  2. 提高机器学习模型性能的五个关键方法

    提高机器学习模型性能的五个关键方法 1. 数据预处理 2. 特征工程 3. 机器学习算法 4. 模型集成与融合 5. 数据增强 以下是各个方面的具体分析和方法: [ 说明:1.这里主要是各个关键方法的 ...

  3. 机器学习是什么?我对机器学习的理解

    第一次听到机器学习这个名词的时候,很恍惚,不知道它到底是什么? 我对机器学习的理解 机器学习是什么? 机器学习的工作流程是什么? 在机器学习中对于数据集的理解 数据分割 什么是特征工程? 特征工程分类 ...

  4. 吴恩达《机器学习》学习笔记五——逻辑回归

    吴恩达<机器学习>学习笔记五--逻辑回归 一. 分类(classification) 1.定义 2.阈值 二. 逻辑(logistic)回归假设函数 1.假设的表达式 2.假设表达式的意义 ...

  5. 机器学习入门笔记(五):决策树

    文章目录 一.决策树模型与学习 1.1 决策树模型 1.2 决策树与 if-then 规则 1.3 决策树与条件概率分布 1.4 决策树的学习 二.特征选择 2.1 信息增益 2.2 例题:利用信息增 ...

  6. 第五章 澄清概念意义

    第五章 澄清概念意义 模糊 模棱两可 一个词如果不止有一个意思,而我们又不能确定它所指的是哪一个意思,那么这个词就是模棱两可 词汇的模棱两可 指称的模棱两可 句法的模棱两可 偷换概念 如果一个词具有多 ...

  7. React最佳实践系列 —— 循序渐进理解 Dva中的model概念

    Dva最佳实践 -- 循序渐进理解 Dva中的model概念 一. 序 二. 在create-react-app中使用redux 1. 开始 2. 安装redux 三.异步action 四. Dva中 ...

  8. 李弘毅机器学习笔记:第五章—分类

    李弘毅机器学习笔记:第五章-分类 例子(神奇宝贝属性预测) 分类概念 神奇宝贝的属性(水.电.草)预测 回归模型 vs 概率模型 回归模型 其他模型(理想替代品) 概率模型实现原理 盒子抽球概率举例 ...

  9. 【机器学习】实战系列五——天文数据挖掘实验(天池比赛)

    系列文章目录 学习笔记: [机器学习]第一章--机器学习分类和性能度量 [机器学习]第二章--EM(期望最大化)算法 [机器学习]第六章--概率无向图模型 实战系列: [机器学习]实战系列一--波士顿 ...

最新文章

  1. Task03:青少年软件编程(Scratch)等级考试模拟卷(一级)
  2. 台式计算机的cpu设置,i7型CPU进行了修改并在台式计算机上使用,这才是真正的计算机之神!...
  3. python函数中的两个坑(面试经常有)
  4. Centos7安装tengine-2.3.2版本
  5. 带有Flask的服务器端DataTable
  6. hbase1.1.1 连接集群_HBase-1.0.1学习笔记(一)集群搭建
  7. 哈夫曼树的生成详解(C++)
  8. 小程序源码:独立后台带分销功能月老办事处交友盲盒
  9. MFC实现文字随鼠标移动
  10. IOS中怎么使用微软雅黑字体
  11. 请给孩子多一点点空间
  12. matlab怎么做空间计量,六步学会用MATLAB做空间计量回归详细步骤
  13. 数据全裸时代,公开获取上百万条四六级成绩
  14. activity工作流引擎
  15. 安装GD库 GD库安装全过程详解
  16. kotlin 中关键字 lateinit
  17. 微信小程序API 文件·文件管理器
  18. python opencv图像阈值处理
  19. SIM卡状态字 SW1 SW2
  20. Adobe Acrobat DC 设置保存上次浏览位置

热门文章

  1. 统计模型参数量与FLOPs
  2. 海康摄像头取、录像机RTSP视频流的字串格式
  3. linux Json c++库
  4. cl: 命令行 error D8021 :无效的数值参数“/Wno-cpp” 和 cl: 命令行 error D8021 :无效的数值参数“/Wno-unused-function”
  5. pytorch loss function 总结
  6. ubuntu16.04 + cuda8.0安装
  7. python 求和为正整数n的连续整数序列
  8. iOS 项目中包含多个 FFMPEG 方法冲突的通用解决办法。
  9. unknown type name 'uint32_t'
  10. android判断耳机