對問題建模

掌握將真實世界建模為機器學習算法的方法至關重要。在最抽象的層面，可以將問題建模為以下四類：

  • 分類 Data classification
  • 回歸 Regression analysis
  • 聚類 Clustering
  • 時序 Time Series

輸入/輸出建模

image.png
算法接受輸入，產生輸出，輸出也會受到算法本身的長短期記憶的影響。

輸入和輸出都是向量，本質是一個浮點數組

機器學習 vs 哈希 機器學習中的輸入和輸出可以類比為哈希中的 key 和 value 但機器學習更複雜一些 如果傳入一筆不在哈希表中的資料，會返回一個 NULL 但機器學習則會返回一個最接近的匹配的概率

理解訓練

批量學習 batch training ：一次學習特定數目（batch size）的訓練資料，
在線學習 online training：每輸入訓練集中的一筆資料，就進行一次學習

監督學習 surprised training：給定了預期輸出
非監督學習 unsurprised training：沒有給定預期輸出

確定學習 deterministic training：相同的初始狀態，會以完全相同的方式運行
隨機學習 stochastic training：用到隨機數，相同的初始狀態，會得到不同的結果