吴恩达机器学习学习笔记（2）
·
核心内容梳理（2.1 什么是机器学习）
1. 机器学习的定义
吴恩达对机器学习的定义为：让计算机在没有明确编程的情况下，通过数据学习并改进任务性能的能力。
其核心在于通过数据训练模型，使模型自动发现规律，而非依赖人工编写的固定规则来完成任务。
2. 与传统编程的核心差异
- 传统编程模式：输入 “人工定义的规则” 和 “数据”，直接输出 “结果”。该模式适用于规则简单、逻辑明确的任务（如简单的计算器功能）。
- 机器学习模式：输入 “数据” 和 “预期结果”，模型通过学习自动生成 “规则”，再用于新数据的预测。该模式适用于规则复杂、难以人工定义的任务（如图像识别、自然语言处理）。
3. 机器学习的核心要素
- 数据：是模型学习的基础，包括输入特征和对应的目标结果（监督学习场景），或仅输入特征（无监督学习场景）。
- 模型：用于捕捉数据中规律的数学框架（如线性回归模型、决策树等）。
- 学习过程：模型通过算法从数据中调整参数，不断优化对规律的捕捉能力，以降低预测误差。
- 性能改进：随着数据量增加或模型迭代，模型在特定任务上的表现（如准确率、误差率）逐步提升。
4. 机器学习的关键特征
- 自主性：无需人工干预即可从数据中学习规律。
- 适应性：当新数据输入时，模型可通过重新训练更新规则，适应新的场景或数据分布变化。
- 泛化性：训练良好的模型能对未见过的新数据做出准确预测，而非仅记住训练数据（避免过拟合）。
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
13
0- 0
已为社区贡献23条内容
所有评论(0)