什么是机器学习

本文探讨了机器学习的核心目标——寻找输入与输出数据间的函数关系。通过定义损失函数并优化其参数来最小化预测误差,文章概述了机器学习的基本原理,并提到了未来将深入讨论具体算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近一直在学习机器学习,下面就谈谈我理解的机器学习,即机器学习具体要干什么?

机器学习的目的:找出输入数据与输出数据之间的关系表达式或者说是函数关系式。如

F(输入数据)=输出数据

要想完成这个目标,一般需要找到一个损失函数,这个损失函数的参数是未知的,我们的目的就是要找到损失函数的所有未知参数的值,使得损失函数的值最小。例如

y=ax1+bx2+cx3

目的:就是找到a,b,c使得y的值最小。一切的机器学习算法基本上都是以这个为原则。

所谓损失函数就是我们模型预测出的结果与实际结果的差距。实际结果不一定等于输出数据,可能是输出数据的变形,例如很多情况下,我们会对输出数据取对数。

以上便是我对机器学习从宏观上的理解,今后会对每个算法的细节写出自己的理解,及在过程中发现的难点和解决方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值