歡迎加入QQ討論群258996829
麥子學(xué)院 頭像
蘋果6袋
6
麥子學(xué)院

有關(guān)機器學(xué)習(xí)，你了解多少呢？

發(fā)布時間：2017-09-13 22:34  回復(fù):0  查看:2519   最后回復(fù)：2017-09-13 22:34  
本文和大家整理了10 條有關(guān) 機器學(xué)習(xí)的說明，一起來看看吧，希望對大家有所幫助。
　　1. 機器學(xué)習(xí)意味著  從數(shù)據(jù)中學(xué)習(xí)  ；而AI 則是一個時髦的詞。 機器學(xué)習(xí)并不像天花亂墜的宣傳那樣：通過向適當(dāng)?shù)膶W(xué)習(xí)算法提供適當(dāng)?shù)挠?xùn)練數(shù)據(jù)，你可以解決無數(shù)的難題。把它稱之為 AI 吧，如果這有助于銷售你的 AI 系統(tǒng)的話。但你要知道， AI 只是一個時髦的詞，這只代表了人們對它的期望而已。
　　2. 機器學(xué)習(xí)主要涉及到數(shù)據(jù)和算法，但最主要的還是數(shù)據(jù)。機器學(xué)習(xí)算法特別是深度學(xué)習(xí)的進步，有很多令人興奮的地方。但數(shù)據(jù)是使機器學(xué)習(xí)成為可能的關(guān)鍵因素。機器學(xué)習(xí)可以  沒有復(fù)雜的算法，但不能沒有好的數(shù)據(jù)  。
　　3. 除非你有大量的數(shù)據(jù)，否則你應(yīng)該堅持使用簡單的模型。機器學(xué)習(xí)根據(jù)數(shù)據(jù)中的模式來訓(xùn)練模型，探索由參數(shù)定義的可能模型的空間。如果參數(shù)空間太大，就會對訓(xùn)練數(shù)據(jù)過度擬合，并訓(xùn)練出一個不能使自己一般化的模型。如果要對此做詳細解釋的話，需要進行更多的數(shù)學(xué)計算，而你應(yīng)該把這一點當(dāng)作為一個準則，讓你的模型盡可能得簡單。
　　4. 機器學(xué)習(xí)的質(zhì)量與訓(xùn)練所用數(shù)據(jù)的質(zhì)量強相關(guān)。俗話說 “  你往計算機輸入一堆垃圾，輸出的一定也是一堆垃圾數(shù)據(jù) ” ，雖然這句話的出現(xiàn)早于機器學(xué)習(xí)，但這恰恰是機器學(xué)習(xí)存在的關(guān)鍵限制。機器學(xué)習(xí)只能發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)中存在的模式。對于監(jiān)督機器學(xué)習(xí)任務(wù)來說（例如分類），你需要一個健壯的、正確標記的、豐富的訓(xùn)練數(shù)據(jù)集。
　　5. 機器學(xué)習(xí)只有在訓(xùn)練數(shù)據(jù)具有代表性的前提下才會起作用。正如基金招股說明書警告的那樣 “ 過去的表現(xiàn)不能保證未來的結(jié)果 ” 。機器學(xué)習(xí)也應(yīng)該發(fā)一個類似的警告申明：它僅能基于與訓(xùn)練數(shù)據(jù)相同分布的數(shù)據(jù)才能工作。因此，需警惕訓(xùn)練數(shù)據(jù)和生產(chǎn)數(shù)據(jù)之間的偏差，并經(jīng)常性地重復(fù)訓(xùn)練模型，這樣才能保證其不會過時。
　　6. 機器學(xué)習(xí)大部分的工作是數(shù)據(jù)轉(zhuǎn)換。在機器學(xué)習(xí)技術(shù)天花亂墜的宣傳下，你可能會認為機器學(xué)習(xí)所做的主要是選擇和調(diào)整算法。但現(xiàn)實卻是平淡無奇的：你大部分的時間和精力都將花在數(shù)據(jù)清理和特征工程上，也就是將原始特征轉(zhuǎn)換為能更好地代表數(shù)據(jù)信號的特征。
　　7. 深度學(xué)習(xí)是一場革命性的進步，但并不是靈丹妙藥。由于機器學(xué)習(xí)在很多領(lǐng)域都得到了應(yīng)用與發(fā)展，因此深度學(xué)習(xí)也被宣傳得天花亂墜。此外，深度學(xué)習(xí)促使一些傳統(tǒng)上通過特征工程進行的工作變得自動化，特別是對于圖像和視頻數(shù)據(jù)。但深度學(xué)習(xí)并不是靈丹妙藥。沒有現(xiàn)成的可以讓你使用，你仍然需要投入大量的精力去清理和轉(zhuǎn)換數(shù)據(jù)。
　　8. 機器學(xué)習(xí)系統(tǒng)很容易受到操作員錯誤的影響。向 NRA 道歉， “ 機器學(xué)習(xí)算法不會殺人，是人在殺人 ” 。當(dāng)機器學(xué)習(xí)系統(tǒng)出現(xiàn)故障時，很少是因為機器學(xué)習(xí)算法存在問題。更有可能的情況是人為的錯誤被引入了到訓(xùn)練數(shù)據(jù)中，從而產(chǎn)生偏差或其他的系統(tǒng)錯誤。我們應(yīng)始終持懷疑的態(tài)度，并采用適用于軟件工程學(xué)的方式來對待機器學(xué)習(xí)。
　　9. 機器學(xué)習(xí)可能會在無意中創(chuàng)造了一個自我實現(xiàn)的預(yù)言。在機器學(xué)習(xí)的許多應(yīng)用中，你今天所做的決策會影響明天收集的訓(xùn)練數(shù)據(jù)。一旦機器學(xué)習(xí)系統(tǒng)將偏差融入到模型中，它可以會繼續(xù)生成偏差增強了的新訓(xùn)練數(shù)據(jù)。 而且，  一些偏差可能會毀掉人們的生活  。請負責(zé)任一點：不要創(chuàng)造自我實現(xiàn)的預(yù)言。
　　10.AI 不會自我覺醒、造反并毀滅人性。相當(dāng)多的人似乎是從科幻電影中得到有關(guān)人造智能的概念的。我們應(yīng)該從科幻小說中得到啟發(fā)，但并不能這么傻，把小說誤認為是現(xiàn)實。從有意識的邪惡人類到無意識的有偏差的機器學(xué)習(xí)模型，有太多的現(xiàn)實和危險需要擔(dān)心。所以你可以不用擔(dān)心  SkyNet  和“  superintelligence ” （譯者注： SkyNet 和 superintelligence 分別是科幻電影和科幻小說）。
　　機器學(xué)習(xí)涉及到的內(nèi)容遠遠超過我上面提到的十點說明。希望這些介紹性的內(nèi)容對非專業(yè)人士有用。
來源： 云棲博客
您還未登錄，請先登錄

熱門帖子

最新帖子

?