通俗的解释机器学习的预测原理
机器学习的预测原理
- 在机器学习里有一个叫预测函数的东西，你只要输入一些值，它就能给你一个输出；例如：
- 你告诉它前几天的股票价格，它会帮你预测后面几天的价格
- 你告诉它一幢房子的面积，它能帮你预测这个房子的价格
- 你给它一张CT的图像，它可以告诉你这种CT的主人是否患有肿瘤
- ……
- 我们可以把预测函数当成一头奶牛，吃进去的是草，挤出来的是奶。
- 这里的奶牛其实就是预测函数，草就是数据，奶就是预测结果。也就是下面这样的。
- 那么现在问题来了：
- 这些数据的格式都是什么？为什么要输入这些数据？
- 预测函数是怎么工作的？
数据的格式以及作用
- 还是用奶牛来举例子，想要奶牛消化吸收好，美味青草不可少；所以我们要输入的预测数据也必须是“美味青草”，这里的“美味青草”指的就是预测函数事先规定的能接受的数据，换而言之这些数据的格式都是在定义预测函数的时候就定义好的，所以我们必须按照定义好的数据格式来输入数据。
- 那为什么一定要输入这些数据呢？这是由于结果导向所致，什么叫结果导向？比如说我们要预测一个房子的价格，那么影响这个房子价格的因素有房子的地段、房子的面积、朝向、宏观经济背景以及个人主观原因等等。我们没办法把所有的因素都考虑进去，只能挑选一些影响力比较大的因素数据输入进去，按照我们的常识来说房子当然是越大越值钱，所以我们就可以定义一个预测函数然后把房子面积输入进去让预测函数告诉我们这个房子值多少钱。（当然如果你知道小区里有多少户姓王的人家，也可以试着把数据输入进去，但是这个数据跟我们要预测的结果关系并不大，所以我们没必要考虑这个条件）
- 总的来说，数据格式就是预测函数事先定义好的，而这些数据要和预测的结果有比较强的相关性，这样才能让预测函数更好地对结果进行预测。
预测函数是如何工作的？
- 先来做一个简单的数学题，一斤猪肉的价格是40元，假如小明要购买两斤，那么小明需要花费多少元？
- 相信聪明的你一定很快就能算出来了，40×2=8040×2=8040×2=80。嗯，没错结果就是80，事实上预测函数做的事情跟我们刚才做的数学题是差不多的。
- 回到我们刚刚所说的房子的价格的计算问题上，我们只需要给定一个房子的面积，它就能告诉我们房子的价格是多少。仔细想想这也是一道简单的数学题呀，我们已经知道了房子的面积，我们只要再知道每平方米的价格就能算出总价格了呀。
- 可问题在于预测函数并不知道每平方米的价格，这可怎么办呢？这时候我们就需要用大量的数据去训练它，让它知道每平方米大概值多少钱。
- 首先预测函数也不知道每平方的价格是多少钱，就先随便定个数，一平米一块钱吧。
- 接着开始输入数据，输入了一个一百平米的房子的数据，于是预测函数开始疯狂计算一平米一块钱，那么一百平米的房子就是一百块。好，那么就输出结果一百块。
- 然后看一下真实的数据，原来这幢一百平米的房子价值一百万，预测函数掐指一算感到事情不妙：估值给太低了要赶紧调整，一平米应该是一万块才对。于是它就调整成一平米的面积价值一万块。
- 接着再输入数据，输入一个二百平米的房子的数据，于是预测函数又开始了疯狂的计算一平米一万块钱，那么二百平米就是两百万。好，那么就输出结果两百万。
- 然后再看一下真实的数据，发现这个两百平米的房子就是价值两百万。预测函数一看心想：我真是个天才，太棒了，那就不用改了。
- 上面就是一个简单的机器学习的大概的过程，事实上机器学习的过程还用到损失函数和梯度下降，在这里先不展开。
通俗的解释机器学习的预测原理相关推荐
- 解释性差？机器学习解释利器：SHAP原理及实战
武汉加油 热干面,你要好起来啊! 本文首发于公众号:AI小老弟,全文约5000字,阅读时长5-10分钟 导读 本文首先介绍了机器学习解释包SHAP原理和计算方法,然后基于kaggle竞赛Home Cr ...
- 通俗解释机器学习中的召回率、精确率、准确率
赶时间的同学们看这里:提升精确率是为了不错报.提升召回率是为了不漏报 网络上很多地方分不清准确率和精确率,在这里先正确区分一下精确率和准确率,以及他们的别称 切入正题 很多人分不清召回率和精确率的区别 ...
- lime 深度学习_用LIME解释机器学习预测并建立信任
lime 深度学习 It's needless to say: machine learning is powerful. 不用说:机器学习功能强大. At the most basic level, ...
- 可解释机器学习（Explainable/ Interpretable Machine Learning）的原理和应用（李宏毅视频课笔记）
文章目录 0 前言 1 Introduction of Explainable/ Interpretable ML 1.1 Why we need Explainable ML? 1.2 Interp ...
- LIME：一种解释机器学习模型的方法
在本文中,我们将介绍一种方法,用来解释这篇论文中的任何一种分类器的预测结果,并且用开源包来实现. 动机:我们为什么要理解预测结果? 机器学习如今是非常火的一个话题.随着计算机在围棋等游戏中击败人类专家 ...
- 独家 | 在R中使用LIME解释机器学习模型
作者:PURVAHUILGOL 翻译:陈丹 校对:欧阳锦 本文约3200字,建议阅读15分钟 本文为大家介绍如何在R中使用LIME来解释机器学习模型,并提供了相关代码. 关键词:机器学习模型解释.R语 ...
- 干货|全面介绍微软开源可解释机器学习框架InterpretML
点击上方"AI遇见机器学习",选择"星标"公众号 重磅干货,第一时间送 转自:机器之心 起初,机器于黑暗之中学习,为解释它们,数据科学家于虚空之中挣扎. 然后, ...
- 微软开源可解释机器学习工具包lnterpretML
https://mp.weixin.qq.com/s?__biz=MzI5NTIxNTg0OA==&mid=2247495335&idx=3&sn=26200d9a952fd8 ...
- python 博弈论 库_SHAP：Python的可解释机器学习库
SHAP介绍 可解释机器学习在这几年慢慢成为了机器学习的重要研究方向.作为数据科学家需要防止模型存在偏见,且帮助决策者理解如何正确地使用我们的模型.越是严苛的场景,越需要模型提供证明它们是如何运作且避 ...
- 十张图解释机器学习的基本概念
在解释机器学习的基本概念的时候,我发现自己总是回到有限的几幅图中.以下是我认为最有启发性的条目列表. 1. Test and training error: 为什么低训练误差并不总是一件好的事情呢:E ...
最新文章
- 2021年大数据Spark（四）：三种常见的运行模式
- DotNet关键知识点——WCF篇（六）
- 女士做软件测试的利弊有哪些?
- 如何才能做好绩效管理？
- 为VMware虚拟主机添加新磁盘
- javasrcipt的作用域和闭包（二）续篇之：函数内部提升机制与Variable Object
- [小明带你玩儿Photon]5.服务器与客户端架构
- su 无法切换账户（密码正确）一直提示Authentication failure（认证失败）
- 克隆出错fatal: unable to access ‘https://github.com/‘: OpenSSL SSL_connect:
- Elasticsearch-查询性能调优
- MySQL从删库到跑路： 入门篇
- stm32报错：identifier is undefined总结
- matlab x的平均值符号怎么打出来,教你在Word中输入平均数的符号X上加一横（X拔）...
- 使用MobaXterm tunneling访问集群（服务器）jupyter notebook
- root后手机银行用不了，root之后手机银行不能用
- 夜神模拟器搭配JuiceSSH完成Shell编程环境
- 线性插值改变图像尺寸_数码相机的成像原理、显示屏尺寸、像素的介绍
- [附源码]计算机毕业设计Python高血压分析平台(程序+源码+LW文档)
- mysql 申请读锁 再申请写锁_MySQL源代码：如何对读写锁进行处理
- web开发之Cookie使用