新手入门机器学习概念讲解

1. 机器学习是什么：使机器具备能找到一个函数的能力，这个函数能够根据输入信息得到你想要的输出。例子：输入一段语音，让其输出文字。输入一张图片，让其输出图片内容。

2. 机器学习分类：

回归（regression）：根据需要输出的不同，可以将机器学习进行分类，让函数输出具体的数值称为回归（regression）。例子：通过给定同地段房价、房子大小、年份等，预测房子价格，类似做计算题。

分类（classification）：分类，给定不同的类别，让函数根据输入，得出相应的类别。例子：判别猫狗，给定猫狗两种分类，给出一张图片，让函数判别是猫或是狗，类似做选择题。

结构化学习（Structured learning）：，它处理的预测问题中，输出结果具有某种结构。例子：不是选择题也不是计算题，而是作文题，产生有结构性的结果，如画一张图，写一篇文章。

3. 机器学习的步骤

这里以一个回归问题为例子，讲解最简单的模型。

第一步：建立一个函数模型，给定一些初始超参数（超参数就是自己人为定值的数）预设权重w和偏移b的初始值为w0和b0。（基本例子未加入relu和层数，函数仅是y=wx+b）

第二步：通过已知样本中的输入x，得到预测的y值，计算其与实际输出y值的差距，得到损失函数。

第三步：通过对损失函数求偏导计算梯度，根据偏导和学习率更改w和b降低损失函数。学习率即为一个超参数，主要目的是为了控制收敛速度。