机器学习是人工智能时代对于开发者而言，最未经授权，禁止复制转载。原创内容，盗版必究。核心也是最近的领域。机器学习看上去是比较【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。深，比较复杂的后端开发技术，被算法工程师原创内容，盗版必究。【版权所有，侵权必究】牢牢掌控着，前端开发者难道不能涉足吗？我【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。们真的要错过吗？如果我是前端开发者，如何【本文首发于唐霜的博客】未经授权，禁止复制转载。入门机器学习？要学 python 吗？我原创内容，盗版必究。本文作者：唐霜，转载请注明出处。不会怎么办？本期 Robust 我就带你【原创内容，转载请注明出处】【本文受版权保护】来聊一聊机器学习。

网易云音乐：点击播放

喜马拉雅：点击播放

求打赏🙇如果你觉得 Ro本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.netbust 这样一档技术类的谈话节目还不错【版权所有，侵权必究】【未经授权禁止转载】，希望我继续做下去，不妨打赏支持。你可以转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。扫描本文下方的二维码打赏，也可以加我微信未经授权，禁止复制转载。【原创不易，请尊重版权】后红包打赏。

以下是我的手稿原文：

1. 什么是人工智能？
   未经授权，禁止复制转载。 简单的讲，是要用信息技术模拟人的自然行【未经授权禁止转载】未经授权，禁止复制转载。为，以辅助人类完成某些工作。
   著作权归作者所有，禁止商业用途转载。 它包含哪些内容？最起码：a 感受系统（原创内容，盗版必究。【原创内容，转载请注明出处】传感器技术）b 认知系统（自然语言处理 【转载请注明来源】【原创内容，转载请注明出处】(NLP)，深度神经网络）c 决策系统（本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】深度学习）d 响应系统（机器人技术）
未经授权，禁止复制转载。【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。
2. 什么是机器学习？
   【原创内容，转载请注明出处】 我们现在讲机器学习，实际就是讲基于神经【转载请注明来源】本文版权归作者所有，未经授权不得转载。网络的深度学习。它是人工智能的认知决策的原创内容，盗版必究。【本文受版权保护】核心内容。
原创内容，盗版必究。【关注微信公众号：wwwtangshua【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】ngnet】【关注微信公众号：wwwtangshua【原创不易，请尊重版权】【本文受版权保护】ngnet】
3. 目前已经实现的领域有哪些？
   著作权归作者所有，禁止商业用途转载。 图像识别、自动驾驶、智能语音（同声传译【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。）、搜索、艺术创作、医学诊断、玩游戏
   【作者：唐霜】 语言中提到的搜索引擎 https://magi.com/
未经授权，禁止复制转载。【版权所有】唐霜 www.tangshu【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。ang.net本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。
4. 机器学习基本上可以分为三个类别: 监督学【版权所有，侵权必究】【未经授权禁止转载】习、非监督学习和强化学习。
【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshu【关注微信公众号：wwwtangshuangnet】【作者：唐霜】ang.net
5. 对于前端同学（非数学专业）而言，如何用更【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】简单的语言描述机器学习中遇到的复杂概念？
   【原创不易，请尊重版权】 对于复杂概念而言，它的本质是对具体描述本文版权归作者所有，未经授权不得转载。【本文受版权保护】的抽象。它之所以难懂，是因为抽象程度高。本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net我们要做的，就是还原它的具体，我们先忘记原创内容，盗版必究。【转载请注明来源】这些概念，去搞明白抽象背后的具体描述。一本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】个概念，可以用不同的具体描述与之对应，我原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。们就用自己日常生活中最接近自己的具体事件未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net去描述，在没有概念的情况下，我们也能知道本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。，这个概念是在描述一件什么事。当我们反复本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】用啰里八嗦的具体描述去阐释一个东西时，我【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。们自然而然，就会有强烈愿望用一个简单的概本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。念去描述它，这个时候，我们再来看，就会发转载请注明出处：www.tangshuang.net【版权所有，侵权必究】现原来这个概念就是这么回事。
【本文首发于唐霜的博客】【关注微信公众号：wwwtangshua未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.netngnet】
6. 那么我们如何用简单语言来描述“监督学习”【转载请注明来源】本文版权归作者所有，未经授权不得转载。这个概念呢？
   转载请注明出处：www.tangshua未经授权，禁止复制转载。【转载请注明来源】ng.net 它的本质就是归纳法。
   转载请注明出处：www.tangshua【本文受版权保护】转载请注明出处：www.tangshuang.netng.net 简单的说，你首先需要一堆数据【给定数据【本文首发于唐霜的博客】【作者：唐霜】集，也被称为训练集】，这些数据都是客观事未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】实。其次，你需要有一个训练算法，通过这个【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。算法，找出这一堆数据的内在联系（一般用一原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】个函数来表示），这个东西就是训练的结果，【转载请注明来源】著作权归作者所有，禁止商业用途转载。也就是我们常听见的模型。【训练阶段】最后转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。，利用这个模型，去预测一个新给的参数所带转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net来的结果。【推理阶段】
   转载请注明出处：www.tangshua【版权所有，侵权必究】【原创内容，转载请注明出处】ng.net 其中，训练算法是关键。它存在性能问题，【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net为什么呢？这和机器学习的范式（归纳法）有【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】关。机器学习和我们以往寻找最优解的模式不【作者：唐霜】本文作者：唐霜，转载请注明出处。同。我们以前寻找一个最优解，考虑的是运算本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】最短路径和准确性，也就是在保证一定能找到【未经授权禁止转载】转载请注明出处：www.tangshuang.net最优解的情况下，用最少的运算次数找到最优本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。解。
   本文作者：唐霜，转载请注明出处。 而机器学习皆然不同，它的预设是没有基本著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。规则前提下的归纳方法，因此，通过机器学习转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。找到最优解不是精确的，而是近似的，至于运本文作者：唐霜，转载请注明出处。【转载请注明来源】算的次数，要看运气，但一般而言，都是将所转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】有可能遍历一边。我们传统的一些思考方法，【转载请注明来源】原创内容，盗版必究。都是有预设和前提的，比如说，找出一组数中转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。，最小的值。用传统算法，我们在“找出最小【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】值”这个目标下，可以先将这些值进行分组，著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net每组最小的再比，或者通过冒泡算法之类的进【关注微信公众号：wwwtangshuangnet】【本文受版权保护】行排序，总之，我们很明确知道不同值之间它【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】们存在的大小关系。
   本文版权归作者所有，未经授权不得转载。 但是，机器学习的前提是，它不知道两个值【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。谁大谁小。你需要先让它学习，比如说，1和【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。2，它事先不知道1和2谁大谁小，你需要告【转载请注明来源】【原创内容，转载请注明出处】诉它，你可以先告诉它这么一个集合[[1,未经授权，禁止复制转载。【本文首发于唐霜的博客】 2], [8, 199], [5, 9本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】2], [43, 1993], [234转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。, 93582], …]，然后告诉它每一【版权所有】唐霜 www.tangshuang.net【作者：唐霜】个数组第一个值比第二个值小。这个集合就是【转载请注明来源】【版权所有，侵权必究】训练集。它可以通过这个集合学习到 a-b本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】<0 的时候，表示a比b小。而这个转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】 a-b<0 就是它的训练结果，将转载请注明出处：www.tangshuang.net【作者：唐霜】来遇到任何两个数，它都能知道这两个数谁大本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。谁小。有了这个谁大谁小的前提，才能进行后未经授权，禁止复制转载。【本文受版权保护】面的“找出最小值”的算法。
   原创内容，盗版必究。 那么怎么进行训练呢？这里就涉及到“成本【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】函数”“神经网络”等等概念。
转载请注明出处：www.tangshua【作者：唐霜】转载请注明出处：www.tangshuang.netng.net本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。
7. 什么是成本函数？
   【版权所有】唐霜 www.tangshu【未经授权禁止转载】【版权所有，侵权必究】ang.net 训练的本质，实际上就是求函数的系数的过【本文受版权保护】本文作者：唐霜，转载请注明出处。程。比如，我们初中学习的一元二次方程，y著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】=ax^2+bx+c，这个一元二次方程可【关注微信公众号：wwwtangshuangnet】【转载请注明来源】以运用到的地方实在太多太多了。比如经典的著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net案例是“波特兰的房价”，一套房子大概能卖【作者：唐霜】本文作者：唐霜，转载请注明出处。多少钱呢？假设它受三个因素影响：地理位置【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。a，房子大小b，采光c。那么我们我们怎么本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】知道 a, b, c 分别是多少呢？初中【本文首发于唐霜的博客】【转载请注明来源】求一元二次方程告诉我们，需要给我们三组x【本文受版权保护】【本文首发于唐霜的博客】, y，然后代来代去，最后算出 a, b【本文受版权保护】【转载请注明来源】, c。
   转载请注明出处：www.tangshua原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。ng.net 机器学习的训练过程中，没有求一元二次方【版权所有，侵权必究】【未经授权禁止转载】程这么高的智慧，它能干啥呢？它只能干最蠢【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net的事，你需要先知道三套或以上的房子的实际【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net价格，也就是知道三个以上 [x, y] 【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net把所有的a, b, c可能的值，一个一个【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。的代入到方程中，然后计算出 x, y，然【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】后去看，当前代入的 a, b, c 算出【原创不易，请尊重版权】未经授权，禁止复制转载。来的 x, y 是否和这三个 [x, y【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】] 都匹配，如果找到一组 a, b, c【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】 正好让方程满足三个 [x, y]，那么未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】说明这一组 a, b, c 就是我们要找【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】的解。
   转载请注明出处：www.tangshua原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.netng.net 机器学习就是这么蠢。
   著作权归作者所有，禁止商业用途转载。 那么什么是成本函数呢？现在，把上面这个本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】房价问题抽象成坐标轴中的数学问题。三套已【原创不易，请尊重版权】【原创不易，请尊重版权】知房价就是平面坐标轴上的3个点。接下来，原创内容，盗版必究。转载请注明出处：www.tangshuang.net机器学习假设a的范围是[0, 100],【本文首发于唐霜的博客】未经授权，禁止复制转载。 b的范围是[0, 50]，c的范围[0本文作者：唐霜，转载请注明出处。【未经授权禁止转载】, 10]，这里是先假设，假如再这个范围本文版权归作者所有，未经授权不得转载。【作者：唐霜】没找到，我们再扩大范围。A, b, c 【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。的组合就有50000种可能，也就是在坐标【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】系里面，可以画出50000条抛物线。那么【转载请注明来源】【版权所有】唐霜 www.tangshuang.net哪一条抛物线才是我们要的呢？就是去看这些【版权所有，侵权必究】未经授权，禁止复制转载。抛物线和已经画出来的那三个点。靠的最近的【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。，就是那一条。怎么靠的最近呢？在x 相同【转载请注明来源】【本文首发于唐霜的博客】的情况下，点的y值减去抛物线上的y值最小【转载请注明来源】转载请注明出处：www.tangshuang.net，三个点都这么去计算，当然，为了避免正负转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net号问题，还可以相减之后求绝对值，这三个绝【未经授权禁止转载】本文作者：唐霜，转载请注明出处。对值相加最小的那一条抛物线，就是我们要找著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】的抛物线了。而这个算法，最终会变成一个 【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.netf(a, b, c) 的函数，而这个函数未经授权，禁止复制转载。【原创不易，请尊重版权】，就是成本函数。
   未经授权，禁止复制转载。 成本函数，决定了这次训练过程的性能，也【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。就是要花多少时间才能找到正确的 a,b,原创内容，盗版必究。原创内容，盗版必究。c，这个过程，运气不好的，可能比挖矿还要本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。慢。
未经授权，禁止复制转载。【版权所有】唐霜 www.tangshu【本文受版权保护】本文版权归作者所有，未经授权不得转载。ang.net【转载请注明来源】【版权所有】唐霜 www.tangshu转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】ang.net
8. 什么是神经网络呢？
   【转载请注明来源】 我们现在所说的神经网络，多半是指深度神本文作者：唐霜，转载请注明出处。【本文受版权保护】经网络。深度学习就是指基于深度神经网络的【本文首发于唐霜的博客】【本文首发于唐霜的博客】机器学习。神经网络和深度神经网络就是程度【本文首发于唐霜的博客】【转载请注明来源】上的不同，本质一样。
   本文版权归作者所有，未经授权不得转载。 神经网络和人脑神经元网络一样，每一个神【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】经元都有自己处理信息的能力，通过树突接收本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。信息，通过轴突输出信息。接收的信息可能来【作者：唐霜】【版权所有】唐霜 www.tangshuang.net自另外一个神经元输出的信息。
   本文版权归作者所有，未经授权不得转载。 在深度神经网络中，这些神经元被分层，每著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】一层所负责的工作不一样，每一层可以包含多【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。个神经元。每一层输出的信息，可以被下一层本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。的任何神经元接收，这个根据需要来处理。
   转载请注明出处：www.tangshua【版权所有，侵权必究】未经授权，禁止复制转载。ng.net 核心就在于，每一个神经元所包含的算法，转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】以及这个神经元所得出结果的权重。算法工程【作者：唐霜】本文作者：唐霜，转载请注明出处。师在编程时，实际上就是在干这件事，首先安【本文受版权保护】转载请注明出处：www.tangshuang.net排一个什么样的神经网络，其次，给网络中的著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】每一个神经元加入算法和权重，然后找一大堆原创内容，盗版必究。本文作者：唐霜，转载请注明出处。训练集，运行这个网络。
   【本文首发于唐霜的博客】 回到我们上面的房价问题。我们用穷举 a【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】, b, c 的方法实在是太笨了。我们把【作者：唐霜】转载请注明出处：www.tangshuang.net这个穷举过程改为用神经网络来处理的过程。【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】我们现在创建一个2层的神经网络。对于输入【原创内容，转载请注明出处】【本文受版权保护】而言，地理位置的权重最大，房子大小权重居本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。中，采光条件权重最小。第一层网络要解决一【本文受版权保护】【未经授权禁止转载】件事，就是将训练集中的所有房子之间，a,【本文受版权保护】【原创不易，请尊重版权】 b, c 的关系转化为某个特殊逻辑关系【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。，这个逻辑关系虽然是从已知的这些训练数据本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。中来，但是和训练数据已经完全没有关系了，未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net从输入到输出这个过程，被称为“激活”。
   转载请注明出处：www.tangshua本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。ng.net 第二层网络要干一件事，就是将我们上面找未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。到的逻辑关系再次进行运算，得到特定逻辑和【本文受版权保护】未经授权，禁止复制转载。房价之间的关系。
   【原创不易，请尊重版权】 至于中间的激活函数是什么，我们就不去纠转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。结了，这是算法工程师要写的东西。
   【版权所有，侵权必究】 最终的效果是，通过这个两层的神经网络，本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net我们减少了找到 a, b, c 的时间，【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。同时提高了准确率。
本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。【访问 www.tangshuang.n【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。et 获取更多精彩内容】
9. 什么是激活函数？
   本文版权归作者所有，未经授权不得转载。 在上面提到的过程中，原始输入值在输出之【版权所有，侵权必究】【版权所有，侵权必究】后，为了方便下一层网络使用，我们都要对这本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。些不规则的结果值，进行归一化，一般都是将转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。这些值转化为 [0,1] 或者 [-1,原创内容，盗版必究。本文作者：唐霜，转载请注明出处。 1] 之间的小数，这样，我们可以非常容未经授权，禁止复制转载。【原创不易，请尊重版权】易的对两个值进行观察和处理，而不用考虑不【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】规则的数之间带来的差异。而负责这个转化过原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net程的算法被称为“激活函数”，激活函数的主转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】要作用，实际上是将非线性的数转化为线性的【本文首发于唐霜的博客】原创内容，盗版必究。，也就是我们经常听到的“线性变换”。
   【版权所有，侵权必究】 目前最常被提到的激活函数有 sigmo原创内容，盗版必究。【作者：唐霜】id, tanh, relu.
原创内容，盗版必究。本文作者：唐霜，转载请注明出处。原创内容，盗版必究。【本文受版权保护】
10. 什么是模型？
    转载请注明出处：www.tangshua【原创内容，转载请注明出处】【原创不易，请尊重版权】ng.net 说白了，模型就是训练结果。也就是最前面【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。，找出二元一次方程系数后，把这个二元一次转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。方程固定下来。另外一个人在要预测另外一套【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】房子的时候，就不需要自己再去训练，而是直【转载请注明来源】【本文受版权保护】接拿你训练的模型，也就是这个二元一次方程【作者：唐霜】【版权所有】唐霜 www.tangshuang.net，传入对应的x，得到y就结束了。
    【版权所有】唐霜 www.tangshu【原创内容，转载请注明出处】【版权所有，侵权必究】ang.net 训练算法是得到模型的关键。前面说过，机未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net器学习不是追求最准确，而是近似。所以，就原创内容，盗版必究。【原创内容，转载请注明出处】有一个算法调优的过程，也就是以更小的代价【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】，得到更靠近准确值的 a, b, c 的著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】过程。算法工程师的功力，实际上就在算法调本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。优（发明或改进算法）的能力上。
【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。
11. 什么是卷积神经网络（CNN）？
    著作权归作者所有，禁止商业用途转载。 首先，什么是卷积？中文翻译的好，它包含【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】“卷”和“积”，积就是相乘，卷就是相加且【作者：唐霜】著作权归作者所有，禁止商业用途转载。有反复连续不断的意思。卷积就是将要素值相【原创不易，请尊重版权】【原创内容，转载请注明出处】乘，然后将乘积相加的过程，相加多少次由计【转载请注明来源】【未经授权禁止转载】算目的决定。不过，在相加过程中，实际上有本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】一个衰变过程，也就是说，前面的乘积，在后未经授权，禁止复制转载。原创内容，盗版必究。续的相加过程中，会衰变，对权重的影响不如本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】最新的积带来的效果大。它的本质，实际上，【关注微信公众号：wwwtangshuangnet】【作者：唐霜】就是加权叠加，通过加权叠加，我们可以找到未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】权重突出的要素。这也是卷积被应用到神经网【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。络中的原因之一。
    原创内容，盗版必究。 那么什么是卷积神经网络呢？深度神经网络【转载请注明来源】原创内容，盗版必究。有很多层组成，每一层内包含很多神经元，层【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。与层之间有先后顺序。在众多神经网络中间，原创内容，盗版必究。【原创不易，请尊重版权】有这么一种神经网络，里面包含了一个特殊的本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】层，这个层的主要作用是对输入值进行分组后本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。相乘，然后通过激活函数进行归一化，而且，【版权所有，侵权必究】转载请注明出处：www.tangshuang.net这个神经网络很奇怪，这个特殊层有连续好多未经授权，禁止复制转载。原创内容，盗版必究。个，只是里面的参数有稍微的调整。这种就是本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net卷积神经网络，而这个特殊层就是卷积层。当本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】然，这里是一个缩减化的，实际上，在卷积神【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net经网络中，连续重复的不是只有卷积层，而是本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】多个层，一般包括：卷积层、线性整流层（也【作者：唐霜】【转载请注明来源】就是上面提到的激活函数）、池化层（衰减作未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】用，以得到维度更小的特征）。而这些重复的本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】层结束之后，还会有一个全连接层，将卷积结本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。果做最终的整合，得到最终的结果。
    著作权归作者所有，禁止商业用途转载。 卷积神经网络在图像识别上取得了非常大的【本文首发于唐霜的博客】【转载请注明来源】成功。我们简单说一下，图像的本质是像素的【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】组合。对图像识别，实际上就是对图像中事物本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】到已有知识库中进行匹配的过程。怎么在卷积【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。中做呢？首先，将图片像素RGB分别取出，【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】并通过补充的方式，得到一个3的整数倍长宽【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net的正方形。现在有一个滤波器（一个3【本文受版权保护】【作者：唐霜】15;3的01矩阵），将原始R层切分为3【未经授权禁止转载】【版权所有，侵权必究】×3的网格，每一格拿出来和滤波本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。器每个位置相乘，然后将所有位置相加，就得【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。到一个值，然后将所有格子相乘相加得到的值著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。组成一个新的矩阵，并通过激活函数，将上面【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。的值归一化。按照上面的方法，再进行一次滤【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】波相乘相加。如此反复几次，就可以得到一个【本文首发于唐霜的博客】【本文首发于唐霜的博客】经过归一化的很小矩阵，从而表达R层在某一【本文受版权保护】【版权所有，侵权必究】个特征（滤波器所表达的这个特征）上的值。【转载请注明来源】【本文首发于唐霜的博客】已同样的道理，再做其他层其他特征的卷积。【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】最终在全连接层对这些特征值进行分类匹配，转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。找出这张图片是车还是猫的可能性各自多大。
【访问 www.tangshuang.n【未经授权禁止转载】【未经授权禁止转载】et 获取更多精彩内容】【原创不易，请尊重版权】原创内容，盗版必究。
12. 分类的重要性
    转载请注明出处：www.tangshua著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。ng.net 对样本进行分类，无论是监督学习（人为给【版权所有，侵权必究】本文作者：唐霜，转载请注明出处。出分类），还是非监督学习（人为不给分类，【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。只给出创建分类的方法），都极其重要。
    【关注微信公众号：wwwtangshua【本文受版权保护】【版权所有，侵权必究】ngnet】 机器学习的目标，是要做出决策。决策的依原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net据是什么？就是被预测的值被丢到哪一个分类原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。中。例如股票预测中，通过机器学习，得出3【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】个分类，并对每一个分类采取不同的操作建议【原创内容，转载请注明出处】原创内容，盗版必究。。当你输入新的一支股票时，它就可以预测这【作者：唐霜】【未经授权禁止转载】支股票属于不同分类的概率，并且你可以通过【未经授权禁止转载】本文作者：唐霜，转载请注明出处。最大概率的那个分类进行决策。
    本文作者：唐霜，转载请注明出处。 所以，机器学习的【推理阶段】本质就是给【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】目标进行分类的过程。而它进行分类的依据，【原创内容，转载请注明出处】原创内容，盗版必究。就是来自【训练阶段】的结果，即模型。
原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】本文作者：唐霜，转载请注明出处。
13. 前端开发者如何学习机器学习？
    【版权所有】唐霜 www.tangshu【未经授权禁止转载】【本文首发于唐霜的博客】ang.net 前端开发者最擅长的是应用开发，而非算法【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。开发。所以，我觉得，要从应用开发开始，建著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】立兴趣。
    著作权归作者所有，禁止商业用途转载。 Tensorflow.js 是谷歌开源本文作者：唐霜，转载请注明出处。【转载请注明来源】的机器学习框架，使用 Tensorflo本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】w.js 可以使用 js 作为开发语言，转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。进行机器学习的开发。对于这个框架而言，我未经授权，禁止复制转载。【本文受版权保护】们其实可以做两件事：a 纯作为一个第三方【本文受版权保护】【版权所有】唐霜 www.tangshuang.net开发库，用来做应用开发；b 进行训练开发【未经授权禁止转载】转载请注明出处：www.tangshuang.net，创建属于自己的模型。
    原创内容，盗版必究。 如果刚开始，我们可以不用它来做训练，而未经授权，禁止复制转载。【未经授权禁止转载】是只用一些已经公开的模型，来做应用开发。
    未经授权，禁止复制转载。 它的官方网站是 https://tensorflow.g【本文受版权保护】【原创内容，转载请注明出处】oogle.cn/js 你可以在官网上找到它的接口，当然，用于未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net训练的接口你可以先不管，可以先跟着官方的【未经授权禁止转载】【作者：唐霜】入门文章，掌握如何利用官方公开的模型，做【转载请注明来源】【作者：唐霜】一些小案例，比如如何识别手写体数字等等。【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。这段时间是疫情时期，大家都在家远程办公，本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net长时间坐着会不会带来健康问题，有一位腾讯【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。的小伙伴突发其想，利用人体骨架模型写了一【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】个监控坐姿的小应用，你可以通过 https://www.doverr.c【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。om/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴著作权归作者所有，禁止商业用途转载。【作者：唐霜】趣可以自己去八一八。同样是人体骨架模型，【版权所有，侵权必究】未经授权，禁止复制转载。实际上，还有有其他的用法，比如我想到一个【原创内容，转载请注明出处】【本文受版权保护】点，就是通过对人体骨架的预测，来匹配背景未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。音乐，这样，可以让抖音背景音乐更匹配。
    【作者：唐霜】 在使用 tensorflow.js 实原创内容，盗版必究。【转载请注明来源】现了一些应用之后，如果有兴趣，就可以学习未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。它的训练api，同时深入去学习算法，编写【版权所有】唐霜 www.tangshuang.net【转载请注明来源】自己的神经网络，创建自己的模型。
    本文作者：唐霜，转载请注明出处。 在小有成就感之后，就可以重新回头，开始未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。去研究机器学习算法，甚至重新学习高数来提未经授权，禁止复制转载。【本文受版权保护】升自己的算法能力。
著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。

2020-03-01 2899