网站建设需求说明,免费隐私网站推广,基于php的个人网站设计论文,wordpress 地址设置方法转载自 漫画#xff1a;什么是机器学习故事一#xff1a;瑞雪兆丰年我们中国有一句关于农业生产的古老谚语#xff1a;瑞雪兆丰年。
就是说#xff0c;如果前一年冬天下雪很大很多#xff0c;那么第二年庄稼丰收的可能性比较大。
这条谚语是怎么来的呢#xff1f;我们可以…转载自 漫画什么是机器学习故事一瑞雪兆丰年我们中国有一句关于农业生产的古老谚语瑞雪兆丰年。
就是说如果前一年冬天下雪很大很多那么第二年庄稼丰收的可能性比较大。
这条谚语是怎么来的呢我们可以想象当时的情景第一年冬天第二年收获时节第二年冬天第三年收获时节第三年冬天第四年收获时节年复一年若干年后的冬天......这就是瑞雪兆丰年的故事。头年的瑞雪和来年的丰收本是两个看起来并不相关的现象但是智慧的农民伯伯通过几十年甚至几代人的经验总结出了两个现象之间的规律。现代的农业学家通过科学的分析弄清了瑞雪兆丰年规律背后的本质原理。但是对于古代农民伯伯来说知道规律就足够了可以通过规律来为下一年的生产生活做出有效的调整。故事二啤酒和尿布上个世纪90年代沃尔玛超市已经是美国最大的零售企业拥有大量的顾客资源。那时候的沃尔玛已经采用了先进的计算机技术随时记录着每天众多顾客购物车中所挑选的商品明细。在其中一个普通的日子里就这样经年累月沃尔玛积累了大量的顾客购物数据。直到某一天沃尔玛的技术专家发现于是这一尝试实行以后......从此沃尔玛的销售额得到了显著提升啤酒尿布的故事也广为流传成为了销售界和IT界津津乐道的成功典范......这就是沃尔玛啤酒和尿布的故事。顾客购买啤酒的行为和顾客购买尿布的行为原本是两个看起来没什么关联的现象。但是沃尔玛的技术专家以大量的用户购物数据为样本通过先进的算法最终寻找到了两者之间的重要关联和规律。为什么购买啤酒的人更有可能同时购买尿布呢是因为有了小孩的男人比别人更爱喝啤酒还是因为爱喝啤酒的男人比别人更顾家这些臆测似乎都有些牵强。但是沃尔玛不需要关心规律背后的本质。对企业来讲利用发现的规律获得实实在在的利益就足够了。以下是小灰根据个人理解说画的流程图以下是大黄基于小灰的流程图所做的补充以下是大黄对流程图结果部分作出的调整。其中假设模型可以理解成训练出来的降雪和收获的规律通过假设模型从新一年降雪情况推断出下一年收获情况的过程叫做回归。至于啤酒尿布的例子属于截然不同的机器学习类型只需要找出关联关系并不需要进行回归。机器学习按照方式不同主要分为三大类有监督学习(Supervised learning)、无监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)。监督学习通过已有的一部分输入数据与输出数据之间的对应关系生成一个函数将输入映射到合适的输出。在瑞雪兆丰年的例子中头年降雪量就是输入来年亩产量就是输出。非监督学习直接对输入数据集进行建模寻找关联。例如啤酒尿布的例子只需要寻找关联性并不需要什么明确的目标值输出。半监督学习综合利用有输入输出的数据和只有输入的数据来进行训练。可以简单理解成监督学习和非监督学习的综合。这里所介绍的相关知识只是作者对于机器学习领域的浅层次理解。通过这篇漫画希望没有从过IT行业或者不了解机器学习的朋友们能够对机器学习有一些初步的认知。故事一瑞雪兆丰年我们中国有一句关于农业生产的古老谚语瑞雪兆丰年。就是说如果前一年冬天下雪很大很多那么第二年庄稼丰收的可能性比较大。这条谚语是怎么来的呢我们可以想象当时的情景第一年冬天第二年收获时节第二年冬天第三年收获时节第三年冬天第四年收获时节年复一年若干年后的冬天......这就是瑞雪兆丰年的故事。头年的瑞雪和来年的丰收本是两个看起来并不相关的现象但是智慧的农民伯伯通过几十年甚至几代人的经验总结出了两个现象之间的规律。现代的农业学家通过科学的分析弄清了瑞雪兆丰年规律背后的本质原理。但是对于古代农民伯伯来说知道规律就足够了可以通过规律来为下一年的生产生活做出有效的调整。故事二啤酒和尿布上个世纪90年代沃尔玛超市已经是美国最大的零售企业拥有大量的顾客资源。那时候的沃尔玛已经采用了先进的计算机技术随时记录着每天众多顾客购物车中所挑选的商品明细。在其中一个普通的日子里就这样经年累月沃尔玛积累了大量的顾客购物数据。直到某一天沃尔玛的技术专家发现于是这一尝试实行以后......从此沃尔玛的销售额得到了显著提升啤酒尿布的故事也广为流传成为了销售界和IT界津津乐道的成功典范......这就是沃尔玛啤酒和尿布的故事。顾客购买啤酒的行为和顾客购买尿布的行为原本是两个看起来没什么关联的现象。但是沃尔玛的技术专家以大量的用户购物数据为样本通过先进的算法最终寻找到了两者之间的重要关联和规律。为什么购买啤酒的人更有可能同时购买尿布呢是因为有了小孩的男人比别人更爱喝啤酒还是因为爱喝啤酒的男人比别人更顾家这些臆测似乎都有些牵强。但是沃尔玛不需要关心规律背后的本质。对企业来讲利用发现的规律获得实实在在的利益就足够了。以下是小灰根据个人理解说画的流程图以下是大黄基于小灰的流程图所做的补充以下是大黄对流程图结果部分作出的调整。其中假设模型可以理解成训练出来的降雪和收获的规律通过假设模型从新一年降雪情况推断出下一年收获情况的过程叫做回归。至于啤酒尿布的例子属于截然不同的机器学习类型只需要找出关联关系并不需要进行回归。机器学习按照方式不同主要分为三大类有监督学习(Supervised learning)、无监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)。监督学习通过已有的一部分输入数据与输出数据之间的对应关系生成一个函数将输入映射到合适的输出。在瑞雪兆丰年的例子中头年降雪量就是输入来年亩产量就是输出。非监督学习直接对输入数据集进行建模寻找关联。例如啤酒尿布的例子只需要寻找关联性并不需要什么明确的目标值输出。半监督学习综合利用有输入输出的数据和只有输入的数据来进行训练。可以简单理解成监督学习和非监督学习的综合。这里所介绍的相关知识只是作者对于机器学习领域的浅层次理解。通过这篇漫画希望没有从过IT行业或者不了解机器学习的朋友们能够对机器学习有一些初步的认知。
