第四章正道

2019-10-27 本文已影响0人人工智能人话翻译官

解惑

小白和你都很纠结，升级为啥没有用呢？
你俩决定登门拜访一次“人工智能人话翻译官”。
翻译官家里的客厅中有一块巨大的白板，他就在这块白板前，开始了解惑的过程。

有的放矢

首先我们要明确一件事情，我们的模型怎么算好？
还记得在上一个章节中介绍

P，N 与P',N'之间的关系吗？
就是真是情况和预测值之间的关系。

还有更以前介绍的模型

输入 -> 模型 -> 输出吗？

我们先把他们结合到一起。以上一章的恋爱数据为例，把数据灌进去就是。
我们一共有一百个人：
X 这个集合中就有( $x_{1} , x_{2}, x_{3}, ... x{100}$ ), $x_{1}$ 代表第一个人， $x_{2}$ 代表第二个人以此类推。 $x_{1}$ 有三个维度我们用一个向量代表。
$x_{1}$ = $\begin{bmatrix} 财富 \\ {才华} \\ {颜值} \end {bmatrix}$
我们用 $x_{1}^{1}$ 代表财富， $x_{1}^{2}$ 代表才华， $x_{1}^{3}$ 代表颜值。
$x_{1}$ = $\begin {bmatrix} {x_1^1} \\ {x_1^2} \\ {x_1^3} \end {bmatrix}$

Y' 代表输出
Y' 这个集合中就有( $y'_{1} , y'_{2}, y'_{3}, ... y'{100}$ ), $y'_{1}$ 代表第一个人是否配对成功的预测结果， $y'_{2}$ 代表第二个人是否配对成功的预测结果以此类推。Y'有两种可能，配对成功，或者配对失败。

Y 代表真实的情况
Y 这个集合中就有( $y_{1} , y_{2}, y_{3}, ... y{100}$ ), $y_{1}$ 代表第一个人是否配对成功的真实情况， $y'_{2}$ 代表第二个人是否配对成功的真实情况以此类推。Y有两种可能，配对成功，或者配对失败。

最后他们的关系就是：
$Y' = XW + threshold$
由此我们自然希望Y 与 Y'之间的差距越小越好，最好Y'就是Y。

再来看一下模型：
Y' = XW + threshold
还记得之前的这个W和threshold我们是怎么设置的吗？
$W$ = $\begin {bmatrix} {0.5} \\ {0.5} \\ {0.5} \end {bmatrix}$
$threshold = -2150$
是我们拍脑袋设置的！这就是造成我们模型不准确的最大原因。

我们接下来的目的就是如何让Y与Y'一致来展开，用数学公式表示就是
$Y - Y' \approx 0$
由于：
$Y' = XW + threshold$
最终：
$Y-XW + threshold \approx 0$
在这个公式中X已知，Y已知，不知道的是W和threshold。

学习能力

你的算法模型不是孩子了，他应该具备学习能力。
等等学习能力这东西太抽象了，它该如何体现在编程上呢？

学习是什么？

我们先来试着给"学习"下一个定义。为了不太抽象，我们回忆一下我们在小的时候是怎么认识苹果的。

图片来自wiki百科

你的父母绝对不可能这么对你讲：“苹果（学名：Malus pumila）是蔷薇科苹果亚科苹果属植物，其树为落叶乔木。”
一般的都是拿过来一个苹果，告诉你这是苹果，而你的直觉经验所得就是以后看见“红色的圆圆的，吃起来甜甜的”就是苹果，直到有一天你吃到了绿色的苹果，你会把之前的直觉经验改成“红色的或则绿色的圆圆的，吃起来甜甜的”就是苹果。以后看到类似的物体你就可以做出正确的判断了。

现在我们就可以给学习下一个定义了：人通过大量的观察，积累直觉经验，获得某项技能。
在刚才的故事中，你就是通过观察（视觉，味觉）大量的苹果，积累起来你的直觉经验（红色的或则绿色的圆圆的，吃起来甜甜的），最后获得判断物体是不是苹果的技能。

这个和之前我们讲过的输入->模型->输出吗？
把刚才的学习例子带入：

$x_{1}$ = $\begin{bmatrix} 颜色 \\ {形状} \\ {味觉} \end {bmatrix}$ 作为输入
大脑就是模型Y' = XW + threshold，(W与threshold就是大脑内部的神经元)
经过大脑处理得到 $y'_{1} = 苹果$ 或者 $y'_{1} = 不是苹果$ 这就是输出。