如何开始接触机器学习?方法统统分享给你

好酷网

2018-05-28

    谈习气,“一切罪恶过错皆由懈惰中来”;谈如何反省,“念头要转,感情要平”;说合作,“气要稳,心要通”;对待与自己意见不同的人,要明白“冲突之所由起,即在彼此都自以为是”;最重要的是要“有以自乐”,工作越重,做事越多,越要在其中找到乐趣,不然“那真苦死了!”。——正能量,好鸡汤。但梁先生又说:“整个生命的本身是毫无目的的。”话锋一转,人生虽不好说有目的,但未尝不可说有意义。

  数据显示,中国消费信心跃升至多年来新高,采购经理人指数始终处于扩张区间,整体经济表现良好并不意外。  中国国家统计局公布的数据显示,最终消费支出对经济增长的贡献率为%。中国国家统计局国民经济综合统计司司长邢志宏表示,中国经济已从主要依靠投资拉动转向了投资和消费一起拉动,消费的基础性作用继续增强,这种结构性的变化大大增强了中国经济的稳定性和韧性。  中国经济的结构性优化趋势正在引起越来越多关注。如何开始接触机器学习?方法统统分享给你

    大约95%的大学生分期消费的金额都保持在5000元以下,主要集中在1000-3000元,占比%,其次是3000-5000元和500-1000元之间的分期,分别占比%和%。当前我国大学生的平均生活费大约在1000-3000元左右,而通过大学生分期消费的主要价格区间可以看出,我国大学生分期消费还比较理性,基本都维持在可偿还能力内。(记者潘福达)日期:  今年9月,浙江财经大学迎来了一位“高龄”新生,他的名字叫张坤,出生于1989年,在新生中年龄最大,按常规算,这个年龄应该已毕业两年。  张坤来自贵州,由于家庭、经济等种种原因,他于2006年辍学,外出打工,在外漂泊四年后,又于2011年重回校园,并于今年考上浙江财经大学金融学院信用管理班。

  这一措施,也可以进一步促使企业诚实守信经营。同时,各个检验检疫环节的流程时限更加明确,受理报检和审单不超过个工作日,现场检验检疫一般不超过1个工作日,实验室检验检疫一般不超过7个工作日。大幅提升信息化管理水平充分发挥国际贸易“单一窗口”和中国电子检验检疫系统(e-CIQ)的作用,大力推进从受理报检到签证放行全流程无纸化,在规定的流程时限内完成检验检疫和签证放行工作。充分利用信息化手段和大数据,提高检验检疫工作的科学性和有效性,根据检验检疫结果和企业信用情况,经风险评估调整现场和实验室检验检疫比例,国内外突发重大疫病疫情和质量安全事件时,实施全国一体化快速反应措施。

  骨牌“一触即发”仪式开启,绚丽的多米诺骨牌以迅雷之势向前推进,最终盘旋上升至金茂塔模型顶峰,寓意着金茂大厦一路向上前行、高歌猛进。现场游客无不赞叹多米诺骨牌令人心跳的速度和震撼的视觉冲击力。

,我被问得最多的问题是:给那些开始学习的人的最好的建议是什么本文引用地址:  其实说句实话,我并不知道怎么回答这个问题。

每一个学习者都是独一无二的个体,有自己的学习需求和目的。 我所能做的,就是分享一下当初我开始学习的时候,对我很有用的方法。

  我是如何开始接触机器学习的  让时间回到2017年,我看到了SethBling实现机器学习来玩游戏的一个小演示。

    Sethbling-Marl/O-MachineLearingforVideoGames  这个小机器人有了自主学习的能力,甚至可以一次又一次地玩马里奥游戏,当时我就震惊了。

在那之后,我看到了别的使用神经网络的机器人,被用于各种不同的游戏——    DingNicolas-Ageneticalgorithmlearnshowtofight!  从Caryhk传统的机器学习项目    !  到星际机器学习项目——    YoutubeUploaded-AISC2FirstSteps  有些人还做了关于侃爷Rap的LSTM项目    RabboieBarrat-NeuralNetworkGeneratedRap,V2  还有Dota2的OpenAI    Dota2DendivsOpenAI(Bot)-1v1-T17  sentdex制作的GTA    sentdex-Stream,FPV,  我知道我必须要去学机器学习,这玩意儿简直太酷了。   我安装了TensorFlow,从syntax上下载了些代码,但是完全不知道代码里是怎么一回事,神经网络的确成功地使用大量的数据集,训练了模型,但我对代码所做的每一次修改都会报错,部分是因为Python的语法我之前完全没接触过,更为重要的是,我完全不知道该怎么写神经网络。

  我先是快速Google了一下“怎样写一个神经网络”,我发现了一个由完全听不同的数学和符号组成的庞然大物,对我而言看上去就像是外星语,那时我感觉到了强烈的挫败感,但我不达目的誓不罢休。 就在那时我接触到了Coursera上吴恩达的机器学习课程,我的天,那个课程同样也是外星语,我能够完成前几章课程完全没有问题,但那之后,吴恩达又开始讲外星语了。

  我是如何坚持下去的  同志们,如果像我这样开始机器学习旅程,毫无疑问你会碰到一次巨大的词汇冲击。 相信我,你大多数的困惑是因为无法理解提及的单词所引起的。

当我意识到这个之后,我改变了我学习方法,转而去学习这个庞大的外星语。 在我学习的过程中,有很多术语和符号会反复出现:向量,矩阵,激活函数传播,机器学习等等。

我在“向量”这个概念上花了一段时间,感谢unity3D,每当我觉得理解了机器学习中的一些概念,比如矩阵乘法,我都会回到我最喜欢的机器学习资源,去看看它们对于我来说,是不是变得容易理解了。

我很惊讶突然之间,我能够稍微更好地理解这门外星语了。   每当有概念毫无头绪让我止步不前,我都会把他们单独拿出来,举个例子,当我遇到sigmoid或者其他的激活函数,我就会列出一堆困扰我的问题,然后一个个单独查找。

  说到这,我非常推荐可汗学院.com。 这里有所有在你写自己的机器学习算法所要用到的。 我在这里列出了一些你需要去学习的很重要的数学课供你参考,对我个人而言,帮助很大。

    我个人很喜欢的学习资源:  ActivationFunctions-https:///wiki/Activation_function  LuisSerranosNeuralNetworkSeries(REALLYGOOD)-https:///watchv=UNmqTiOnRfg  Giant_Neural_NetworksNeuralNetworkSeries(REALLYGOOD)-https:///watchv=ZzWaow1Rvho  Macheads101sNeuralNetworkseries-https:///watchv=OypPjvm4kiA  3Blue1BrownsNeuralNetworkSeries-https:///watchv=aircAruvnKk  HugosNeuralNetworkSeries-http:///course/300  JamesMccaffreyTalk(ABITOUTDATEDINFORMATIONBUTSTILLAFUNONE)-https:///watchv=-zT1Zi_ukSk  一些很重要的数学课  Vectors(explainedwithLinearAlgebra):https:///math/linear-algebra/vectors-and-spaces  Vectors(explainedwithPreCal):https:///math/precalculus/vectors-precalc  Matrices:https:///math/precalculus/precalc-matrices  Sequences:https:///math/precalculus/seq-induction  DerivativeRules:hhttps:///math/ap-calculus-bc/bc-derivative-rules  一些可能会帮助到你的数学课  AlgebraFunctions:https:///math/algebra/algebra-functions  Quadratics:https:///math/algebra/quadratics  Irrational:https:///math/algebra/rational-and-irrational-numbers  AnalyzingCategoricalData:https:///math/statistics-probability/analyzing-categorical-data  我的建议  (1)更好地理解伪代码  我觉得学习如何写机器学习算法最好的方法,就是去更好地理解伪代码。

我们要理解如何去计算它们,还有各种不同的能够相互转换的指数。

在我的经验里,大多数情况下,伪代码是十分清晰的。 但如果不是的话,可能是因为在外星语中出现的太频繁了。   学习怎样将伪代码转换成你最喜欢的编程语言,其实是最重要的事。 其实没有一个一码通吃的神经网络,实际上当你从不同的老师那里学习怎样写神经网络的时候,请一定要注意,他们不会总是使用同样数量的输入,隐藏层节点,激活函数,可能连术语都不一样,有些老师可能会把偏置说成另一个词,这就是伪代码如此重要的原因。   (2)前馈神经网络例子    除了之前所说的我能给你最好的建议,就是用一个简单的前馈神经网络例子来开始你的学习,这有一个很好的例子——做一个文字颜色预测器,当你提供给它,红,绿,蓝值作为输入的时候,尝试去训练它作出,在此之上应该使用深色字还是浅色字,让它能够可以被认出来的预测。 我觉得这是个很好的有很简单的项目,值得认真研究以此来学习机器学习的基础。

  (3)立刻开始着手  建议你从最开始就着手写你的神经网络,我指的是你学习的第一天,就在这个视频结束的时候,立刻打开你的IDE。

纸上得来终觉浅,绝知此事要躬行。 尽管理论上知道,如何写神经网络很酷,但实际去写一个神经网络是完全不同的。

  当你开始去写一个神经网络的时候,你会卡住,然后你就有了第一个需要去找的问题,尝试去解决它,如此往复,直到你成功。 我特别希望,从最一开始我就知道这个建议,这可能会减少我大部分学习的时间。   (4)站在巨人的肩膀上  如果你真的想要能够很好地写出机器学习算法,你需要依靠他人的研究和代码,因为事实上这其实还是一个刚起步的领域,每周都会有新的东西诞生。   最后一个我想给你们的重要建议是,其实你也可以不像我之前说的那样做,形象点来说,机器学习就好像电脑一样。

如果你真的想要一台电脑,你可以从头组装一台,或者你也可以直接买一台整机,这两件事最后的结果是一样的。 我个人想要去学习如何从头构建神经网络因为,我是个控制欲很强的疯子。     有很多诸如,TensorFlow,PyTorch,Theano,Keras,和其他的机器学习框架,他们就好像是一台装好的电脑,你可以直接开始看教程,开始学习怎样去使用它们,你不需要关心很多,诸如导数,矩阵乘法,激活函数这些概念,这些机器学习框架已经把大多数复杂的事情做好了,不过显而易见的,以此为代价的就是,当网络内部出现问题,或者运行不正确时,找出哪里出现问题,会是件很困难的事,这都取决于你想要什么。

  不管怎么样,请一定要记得满足你的好奇心,在机器学习的道路上走得越来越远。