想要控制一件事物,首先需要能夠觀察它。
機器學習發展曆程:
- 機率模組化:logistic回歸、樸素貝葉斯;
- 早期神經網絡:梯度下降;
- 核方法: SVM;
- 随機森林、決策樹和梯度提升機;
-
神經網絡;
Kaggle 上主要有兩大方法:梯度提升機和深度學習。梯度提升機主要使用XGBoost,深度學習主要使用keras;
張量的關鍵屬性:
軸的個數、形狀、資料類型;
張量運算:
- 加法、乘法;
- 張量點乘;
-
張量變形;
張量運算的集合解釋:輸入資料的幾何變換;
深度學習的幾何解釋:
神經網絡(或其他機器學習模型):找到實作目标的變換,使得兩個類别明确可分;
機器學習内容:為複雜的、高度折疊的資料流找到簡潔的表示;
雖然得到的表示是沒有意義的,但這是一個起點。下一步則是根據回報信号逐漸調節這些權重。