3、机器学习预测与神经网络入门

机器学习预测与神经网络入门

1. 机器学习算法分类

机器学习算法可以从两个维度进行分类，分别是监督学习与无监督学习，以及参数学习与非参数学习。这两个维度相互交叉，形成了四种不同类型的算法：
| 分类维度 | 具体类型 |
| ---- | ---- |
| 学习类型 | 监督学习、无监督学习 |
| 参数类型 | 参数学习、非参数学习 |

参数模型具有固定数量的参数，而非参数模型的参数数量是无限的，由数据决定。例如，要将一个方形钉子放入正确的方形孔中，有些人可能会通过不断尝试（参数学习），而青少年可能会先数钉子的边数（非参数学习）。

2. 监督参数学习

监督参数学习机器有固定数量的“旋钮”（参数），通过转动这些旋钮来进行学习。输入数据根据旋钮的角度进行处理，然后转换为预测结果。

以预测红袜队赢得世界大赛的概率为例，模型首先收集体育统计数据，如胜负记录或球员平均脚趾数，并做出预测。然后，观察红袜队是否真的获胜，根据结果调整旋钮，以便下次看到相同或类似的输入数据时能做出更准确的预测。

监督参数学习可以分为以下三个步骤：
1. 预测 ：收集体育统计数据，通过机器进行预测。
2. 与真实模式比较 ：将预测结果与实际情况进行比较。
3. 学习模式 ：根据预测误差和输入数据调整旋钮，以提高预测的准确性。

# 示例代码
weight = 0.1 
def neural_