1、机器学习是什么找一个复杂的函数通过机器去帮我们找。比如输入是一张图片输出是识别图片是cat影像辨识。输入是当前棋子的位置输入是下一步的位置playing go)。输入是一段声音输出是文字语音辨识。2、机器学主要有三大类函数regression、classification、featured learningregression输出是一个数scalarclassification输出是我们给的选项classes yes/no 棋盘上19*19个classstructured learning机器产生有结构的文件学会创造这件事情 生成一个文档一张图片一个视频3、具体一个实例线性模型linear model①写出一个带有未知参数的函数model这是一个猜测我们常听见的模型即是带有未知参数的函数②定义损失函数Loss它的输入是函数的一组参数。计算Loss通过过去的训练数据。看哪组参数好label指真实的值一般定义损失函数的计算可以是MAE(Mean Absolute Error)、MSE(Mean Square Error)4、求参数的最优值梯度下降法Gradient descent对参数求偏导初略理解为斜率当斜率大于0时减小这个参数会让L变小当斜率小于0时增大这个参数会让L变小。这也不难理解为什么更新参数的公式会是在偏导项前是负号了。超参数需要自己设定的参数与我们通过训练数据寻找的参数不同比如学习率、更新迭代的次数都是超参数。5、机器学习总结写一个带有未知参数的函数y定义损失函数L根据损失函数求最优参数 argminL6、调整函数y只是一种猜测不一定就符合我们真正要找的函数。所以根据一轮的结果去调整比如线性模型不只用一个feature特征用多个X1,X2,X3……实例中观察到具有周期性变化规律所以进一步调整特征为前7天的观看人数来预测隔天的观看人数当特征进一步增加的时候发现L不再变化说明已经到一个极限了。