机器学习傻瓜的深入研究

    在写机器学习之前，我们来举个样例。如果你是个古代的国王。那里没有现代的科技，你想找个预报天气比較准的人来帮你预报天气。

你要怎么办呢？通常。我们会找一个人，让他预报10000天，看它的准确率怎样，然后再找一个人，再预报10000天。看它预报的准确率怎样。依次类推，你找了100个人。最终找到了一个准确率在90%的人，你就征用它当你的气象局局长了。


把这个故事映射到机器学习上，那么10000天就是样本，100人中每一个人就是你的一个模型。预报准确率的统计就是误差函数。


机器学习的本质就是你用你的数学模型（100个人）在样本（10000天）中尝试，然后你统计出这个模型（人）的预測误差（准确率），假设误差不达标。你再找下一个模型（人）。


机器学习的挑战是怎样在这100个人里去高速寻找合适的人选。你最后发现一个线索。就是预报比較好的人，它们的亲戚也预报的可能比較好，这个就是梯度下降。

你不是在盲目的寻找模型。




这里模型大家认为非常神奇，事实上说简单就是每一个特征的权值而已。说的高大上的，就叫权值向量。

-------------------------------最后华丽的切割线------------------------------------------

本教程的文件夹博文请点击这里。

假设大家想先对机器学习进行入门了解，可參看这里的简介。假设须要简单了解深度学习的内容，可參看这里简单的介绍。学习这些教程之前。能够先热身下，这里是theano的基础教程，学完之后。再看下这个东方的，有一些关键的概念和训练集的一些测试。