你应该知道的机器学习的革命性的教训

机器学习，有可能管理以前令人困惑的场景。在理解了具有高效泛化能力的机器学习模型之后，可以使用它做出相应的重要决策。机器学习使个人能够根据大量场景做出决策。显然，现在还不能编写出能够用于所有新场景的代码。

人工智能能够执行各种需要学习和判断的活动。从自动驾驶汽车、投资银行、许多医疗相关功能到招聘，人工智能已经被用于完成不同领域的各种任务。

6 个关于机器学习的革命性教训

机器学习算法能够简单地从场景中泛化，得到执行必要任务的方法。这样更切实可行和而且具有成本效益，然而，手工编程并不那么具有成本效益和可行性。“可用数据”数量的增加肯定会导致出现更多的与获取数据相关的问题。因此，机器学习是未来，因为它将广泛应用于计算机和其他领域。尽管如此，开发有效的机器学习应用需要大量的“黑魔法”，这在手册中很难找到。

以下是关于机器学习最有价值的 6 个经验教训：

1. 泛化是核心

机器学习最基本的特征之一是，算法必须从训练的数据中泛化出该领域中所有不可见场景的完整领域，以便在使用模型时能够做出正确的推断。这个泛化的过程需要我们用来训练模型的数据有一个我们希望算法去学习的，像样的和可靠的映射。数据的质量越好，表达能力越高，模型就越容易理解从输入到输出的未知的和基本的“真实”映射。泛化是指从某种精确的东西转向某种广泛的东西。

机器学习算法是从历史场景中自动简化的技术。它们有能力在更大的数据量和更快的速度上进行泛化。

所有机器学习初学者最常犯的错误就是对训练数据进行

（编辑：吉安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!