机器学习(二)

2017-09-16  本文已影响26人  going_hlf
认知事物

上一篇介绍了AI的一些基本应用,这篇文章接着介绍一下AI及机器学习的基本原理。
看完上一篇后,大家肯定会有很多疑问,机器怎么能够识别那么多花花草草,即便是对于同一种类的花,不同角度拍摄,图像也是不一样,软件怎么把它跟自己数据库中存的花的名字对应上?这篇文章,简单揭示一下其基础原理。

人工智能要用到机器学习,机器学习很重要的一个分支是神经网络。提到学习神经这些词,大家肯定会跟人类联系起来。没错,机器学习的过程,就是在模拟人的成长学习的过程。试想一下,我们从小到大认知事物的过程,都是通过不断听到、看到很多东西,然后记忆其中的一些关键特征,从而实现能够分门别类认知事物。比如,我们知道有4个轮胎,有方向盘这些特征的东西叫做汽车,当我们看到小轿车的时候就能知道它叫做汽车,当我们看到一辆七座SUV的时候,我们猜测它大概也叫做汽车,我们甚至看到一辆公交车的时候,也能联想到这叫做汽车,随着不断地得到确认,在我们以后的日子里面,就认知了这个汽车这个事物,无论它是大是小,是高是矮,形状各异,我们都能说出这是一辆汽车,因为他们都有4个(多个)轮子,都有方向盘。可见特征很重要,如果我们选取玻璃这个特征作为汽车的主要特征,那么可能学习起来就会比较慢,甚至学不会什么是汽车,因为安装玻璃的物体太多,玻璃不是汽车的主要特征。

那怎么才能让它学会,并且学的快学的准确呢?最好的办法就是给它足够多的见识(学习样本),城里的小孩比农村的小孩见到的汽车多,见到的汽车样式多,所以比农村小孩更早认识汽车。

因此机器学习最重要的三点是:准确的特征选取、足够的训练样本,好的训练网络模型。

下篇文章,将从一个简单的实战,来介绍如何进行机器学习。

下一篇链接:机器学习(三)
上一篇链接:机器学习(一)

上一篇下一篇

猜你喜欢

热点阅读