谷歌工程师教你机器学习入门

本帖最后由 pig2 于 2018-7-15 19:05 编辑
问题导读

1.本文中传统编程区分橘子和苹果遇到了什么问题？
2.机器学习为何能很好地解决区分橘子和苹果？
3.什么是特征？
4.什么是标签？
5.分类器的作用是什么？

看到谷歌工程师讲解的如何入门机器学习视频，讲的非常好，我这里给大家做一些准备工作，在观看视频的时候，大家就非常容易理解。
我们入门的时候，经常会写一个helloword，这里同样也是一个hello word。但是机器学习的hello word是怎样的那？

六行Python就是编写第一个机器学习程序所需要的！在这一集中，我们将简要介绍机器学习是什么以及为什么它很重要。然后，我们将遵循监督学习的方法（从示例中创建分类器的技术）并对其进行编码。从头学习，我们将使用两个开源库， scikit-learn和TensorFlow。

机器学习是什么？
首先，让我们快速谈谈机器学习是什么，为什么它很重要，我们可以将机器学习视为一个子域

早期的人工智能程序通常只能擅长一件事。例如，Deep Blue可以下棋，这就是它所能做的一切。

今天我们想写一个程序，无需重写即可解决许多问题。 AlphaGo就是一个很好的例子。

机器学习，是对算法的研究，从实例和经验中学习，而不是依赖于硬编码规则，这就是最先进的技术。

传统编程区分苹果和橘子
给大家举一个例子，听起来很简单的问题，但是没有机器学习就无法解决。

你能编写代码来区分它们吗？ 苹果和橘子之间？

想象一下，我让你写一个拍摄图像的程序，文件作为输入，做一些分析，并输出水果类型。我们怎么解决这个问题？

传统程序，必须从编写大量手动规则开始。例如，您可以编写代码，计算有多少橙色像素并进行比较，到绿色的数量。该比例应该给你一个关于水果类型的提示。

但是当你深入研究这个问题时，你会发现现实世界是混乱的，而规则就是从你开始写，然后一直被打破。你会如何编写代码来处理黑白照片

或者根本没有苹果或橙子的图像？例如输入香蕉，你该如何处理。

事实上，对于你写的任何规则，都可以找到一个漏洞，找一个不起作用的图片。

机器学习区分苹果和橘子
对于这个问题，显然传统编程不能解决，需要重新开始。我们需要更好的东西。要解决这个问题，我们需要一个算法。

可以为我们找出规则，所以我们不必手工编写。为此，我们将训练一个分类器。现在您可以将分类器视为一个函数。它需要一些数据作为输入并为其分配标签作为输出。

例如，我可以有一张照片并希望将其归类为苹果或橙子。或者我有一封电子邮件，我想对其进行分类垃圾邮件或垃圾邮件。编写分类器的技术，自动称为监督学习。

首先介绍要解决的问题，为了编写代码，我们将使用scikit-learn。在这里，我将下载并安装该库。 http://scikit-learn.org/stable/install.html

有几种不同的方法可以做到这一点。这里使用最简单的就是使用Anaconda。这样可以轻松设置所有依赖项，并且跨平台工作得很好。
通过下载和安装它。安装完成后，即可进行测试。

通过启动Python脚本并导入SK learn。

要使用有监督的学习，我们会按照几个标准步骤的配方。

第一步是收集培训数据。
这些是我们想要解决的问题的例子。
对于我们的问题，我们将编写一个函数，分类一块水果。
首先，它将描述水果，作为输入并预测它是否基于功能的苹果或橙子作为输出

要想收集我们的培训数据，我们前往果园。我们将看看不同的苹果和橘子，并记下在表格中描述它们的测量值。在机器学习这些测量，被称为特征。

为了简单起见，我们只使用了两个，每个水果的重量是多少克和它的质地，哪个可以颠簸或平滑。
一个好的功能使其易于区分，不同类型的水果之间。

我们的训练数据中的每一行都是一个例子。它描述了一块水果。最后一列称为标签。它确定每行中的水果类型，并且只有两种可能性 - 苹果和橘子。整个表格是我们的训练数据。将这些视为所有示例，我们希望分类器学习。您拥有的训练数据越多，分类器就越好

更多参考视频：
链接: https://pan.baidu.com/s/1iRfZjajXXtmPGDqj23BaRQ 密码:

游客，如果您要查看本帖隐藏内容请回复

关注公众号，查看about云经典最新文章