文章目录
前言
最近比较忙碌，然后也是自己偷懒，反正一直没开始学机器学习，现在马上月底了，还不学一下，月底总结啥也写不了，还是比较无奈的，我现在用电脑就是打字，没干啥计算机专业的正事，我一直想躺着等着被带飞，但是好像不行，终究是个幻想。真要提升代码能力或者干啥可能还得自己下一点苦功夫。
正文
我们知道机器学习，深度学习都是放在一块说的，和人工智能相关，我们也听说人工智能大火，很容易出成果，所以我请教了师兄，准备从李宏毅老师的课开始入门。
弹幕都在刷快速入门，哈哈，我也是想快速入门，然后跑一跑代码，调一调参数，好像听说是这个步骤。
视频里面说，机器学习就是机器去找一个函数去实现某个特定功能，但是这个函数不方便由人类直接定义出来。所以让机器去找，但是像这个线性模型我还是没懂，因为这个不就是相当于让机器去做一次计算吗，这不算很智能，公式是我们计算之后提供给机器的，机器只需要按照这个公式计算就可以了。哦也是，本来就是这样，计算机就是计算。
机器学习的分类
英文课程，虽然说的是中文，但是 ppt 上面的东西有些有点看不懂，我又不想一个一个去查，比较懒。
regression:搜了一下是回归的意思，好像其实是一个非常学术的词，因为一搜出来的第一条就是机器学习回归。哈哈。表示的意思就是输入一堆参数然后输出一个数值。
classification : 乐色邮件的判断，怀疑这个老师是宝岛的人哈哈。搜了一下确实是台湾大学的教授。这个是做选择题。
structured learning :这个是机器自己去学习，感觉这个应该是最复杂的。
原来 b 站是搬运过来的视频，最开始是发布在油管上面的，等我看完这个视频之后，之后就转战油管。之前学一个东西上过油管，有四个月没有上过油管了，时间过的好快啊。（算了，还是先在 b 站看）
步骤
好激动，听到了模型这个词。先建立一个带有未知参数的函数，这个未知参数是我们根据一些经验猜测的，但是现在很多东西都非常成熟了，我们应该微调参数就可以了，我感觉以我的天赋和灵感，能做一些简单的工作就可以了，伟大的历史给那些灵感迸发的大佬去创造好了。
为什么这个课程里面全是英文，看的有点难受。台湾人讲话确实有点意思，别有一番风味。这个训练和我们刷数学题很像，就是给一堆资料，然后训练，然后预测就相当于模拟考试。
label 表示正确的数值， 我用平板看视频算了，总是切换有点不方便，想起来之前做项目就是这样，那个项目最后没做出来，有点无奈。做出来我感觉那个东西也没啥用，没啥含金量。最近看了球状闪电这本书，非常喜欢里面的林云。
Loss 越小越好。 感觉和数学里面学的统计有点像，高中数学的一些知识。误差的绝对值用 MAE 来表示，误差的平方用 MSE 来表示。
做曲线的微分，然后改变 w ,尽可能让 L 比较小，学习率是自己设置的，听这个老师讲课确实比较爽，不知道从什么时候开始自己学习就非常功利，然后心浮气躁，这其实不太好，听这个老师讲课就给人一种很缓慢，很平静的感觉，差点让我忘记后天要考软件经济学这件事了，哈哈。
调整参数，耐心结束就结束，自己设置的，微分算出来是零的时候是最理想的情况。但是我们可能找不到我们需要的最优解。这个有点像最大值和极大值，好像有的是全局最大，有的是局部最大，不太清楚。书到用时方恨少。这个好像有作业，这个作业就相当于项目，应该还可以。这个老师给我一种很安心的感觉，假设不会算微分也没有关系，之后程序可以帮我们算。后天期末考试也没事，老师会出手的。我相信。
结语
设置一个函数，设置误差函数，选择使得误差函数最小的参数，确定我们需要的函数，这个就是训练。 情人节。最近还是在练习打字，电影里面看到的极客都是手速起飞的大佬，我也想往那个方向努力。这个老师还真的用自己的专业知识去实际去训练了，很真实，有点酷。
线性模型。