我發現我真的很沒有原則。。。突然想到什麼就去搞什麼
機器學習已經火了好幾年了。現在的機械人在經過大量的資料訓練後在某一方面顯得跟人一樣。
我隊機器學習也不了解。但以我現有的知識，不覺得機器學習能以現在的思路達到大家設想的人工智慧的階段。
現在機器學習的研究總想模擬出乙個像人一樣的學習和思考過程。這也沒有辦法，畢竟只有人類這一種參考。就像找外星人一樣，人們想象的影視劇裡的外星人各種各樣，但是真正的科學家在宇宙中尋找生命，只能通過別的星球上有沒有氧氣，有沒有水，溫度是不是適宜等等諸如此類地球生命生存的環境。因為我們實在沒有更進一步的技術， 比如80天周遊火星？
機器學習也是一樣，總說要模擬人類的學習過程。但是人類到現在也沒有搞明白自己到底是怎麼學習的，別說弄清楚乙個人了，生物學家到現在估計還沒弄清楚乙個人體的乙個器官，乙個組織，甚至乙個細胞。人類的學習到底有多複雜，有多少物理反應、在接受物理資訊後產生多少化學反應，這些反應有多麼微妙很難量化。
現在科學研究出的真理，是依託於現在全人類擁有的能力而存在的，當人們的認知不斷發展，會開闢出新的天地，把現在的真理上公升到另乙個高度。就像我們寫程式一樣，當情況多了一種，我們會增加乙個 if
但是機器學習不管怎麼樣，本質還是對資料進行量化。我也很蛋疼地看到說機器的學習能力是人的多少倍多少倍。至少目前來說並沒有。目前的機器學習進行多少資料訓練甚至還達不到人看一眼的效果。
雖然這麼說。。但我還是願意去學習機器學習。確實它能做很多事情。不把機器學習當成創造乙個人一樣的技術，而是把機器學習當成把人類從一些繁瑣的事情解放出來去做更有意義的創作的技術。
機器學習 初識機器學習
1.什麼是機器學習？對於機器學習到現在都還沒有統一的定義，但是，通過乙個例子和較權威的定義來理解機器學習，最後附上我個人對機器學習的理解 2.監督學習 1 監督學習基本思想 我們資料集中的每個樣本都有相應的 正確答案 即每個樣本都是真實值，再根據這些樣本作出 舉乙個房價預售的例子來說明 eg 下面圖...
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...
機器學習一 機器學習概要
回歸 是指把實函式在樣本點附近加以近似的有監督的模式識別問題。對乙個或多個自變數和因變數之間關係進行建模，求解的一種統計方法。分類 是指對於指定的模式進行識別的有監督的模式識別問題。異常檢測 是指尋找輸入樣本ni 1i 1 n中所包含的異常資料的問題。常採用密度估計的方法 正常資料為靠近密度中心的資...