机器学习下的大数据、训练
回首向来萧瑟处,只能感慨一句,哎!个中滋味一言难尽。
第一次听到机器学习这个概念,是在数学建模的课程上,听一个老师在讲SPSS,讲着讲着,他开始说大数据的事情,然后就聊到了机器学习,当时我就在好奇,机器学习到底是什么,好好的个数学课,非得扯这些干嘛?
现在想想这些,不免有点儿好笑。不过当时这么想也不奇怪,毕竟那时候见识得还不多。又一年快下来,没有想到,我竟然也要开始设计这个方面了。不过又多了一年的储备,现在看来,大抵上许多东西还是相通的,数学、算法设计、训练(训练一词头一回知道是机器学习的用语,还要多亏了中兴的比赛,虽然啥也没能做出来,不过毕竟还是了解了不少),这些都是相互牵连的。
不知道大家看了我前几天的离散数学没有,其中有一道题,我还不会用数学方法求解,不过编个程序,计算机直接跑出来,也不为不可。现在想来,数值计算的突破进展,功劳一半要归功于计算机,数学理论与编程算法,二者相辅相成,不断促进,以至大同。
附录那道题与其算法:
i=0;
for a=0:25
for b=0:25
for c=0:25
for d=0:25if(mod(a*d-b*c,26)==1||mod(a*d-b*c,26)==3||mod(a*d-b*c,26)==5||mod(a*d-b*c,26)==7||mod(a*d-b*c,26)==9||mod(a*d-b*c,26)==11||mod(a*d-b*c,26)==15||mod(a*d-b*c,26)==17||mod(a*d-b*c,26)==19||mod(a*d-b*c,26)==21||mod(a*d-b*c,26)==23||mod(a*d-b*c,26)==2)i=i+1;end
end
end
end
end
disp(i);
最后结果是157428
“吾生也有涯,而知也无涯。”千百年前,庄子就告诉人们这样的道理。但是“以有涯随无涯”真的“殆矣”嘛?唯唯否否,不然。活到老,学到老,要想让自己舒服一点地生活,学习是避免不了的,至少现在是逃不了的。现实的残酷是,尽管你不想和别人比,但是社会自身会具有比较淘汰的作用,他们只会保留高效的办法,高效的人,“马太效应”似乎已经到了不可逆转的地步。
我有些无能为力,所能做的就是和大家再分享一些算法和机器学习的知识吧。
现在看来,机器学习里面的东西,先是数学基础,构造出学习训练的函数,所谓训练数据,那么必定是将原数据映射到新数据,然后让算法做出判断选择,给出设定的条件,如何评判这些数据或者说如何从中提取有效信息,或许这就是训练数据,而训练数据的手段,就是数学模型,类似于信号系统的系统函数,将激励变换到响应。虽然这些大可不必了解,毕竟现在要求只是会用就行,但是细细想来,如果眼光看长远一些,想要走得远一些,没有这些基础就想“高屋建瓴”,那莫不是痴人说梦啊。受制于人的日子不好过啊,所以为了日子能够更好一些,希望诸君中,有兴趣者可以仔细考究考究,而且与信号系统有极其相似之处。
学习是挺痛苦的,借用马克思的一句话,“学习来到人间,从上到下都流着学生的血与泪”,个中滋味我想各位一定深有体会。然而,我们改变不了这一点,所以苦中作乐是唯一洒脱的做法了,大家看这些点,不要单纯割裂看,如果能够有一点联想或是说能够从中窥看到别的学科的影子,我想那时节,你的心里起码会舒坦一些,毕竟你看到了一个熟悉的身影,只是面貌不太一样而已。慢慢地或许就能感受到,大抵“万物与我合一”,即是这样(万事本没有分别,只是人们习惯于划分,但划到最后,又将他们融合于人一体之中,这岂不是万物与我合一?)。
看多了,或许就能相同许多点,好比任督二脉中真气汇聚,终于一天打通了。在那一天来之前,慢慢积累,但还是要有进有出啊,不能积郁得太过了,不然心会累得很。
天地与我并生,万物与我合一。以臻化境也!
机器学习下的大数据、训练相关推荐
- 写文章 数据嗨客 | 第2期:线性回归 数据嗨客 | 第2期:线性回归 泊数 泊数 1 年前 普林大数据学院——“机器学习”系列 普林大数据学院依托北京大数据研究院和北京大学,为有需求的企业
数据嗨客 | 第2期:线性回归 泊数 1 年前 普林大数据学院--"机器学习"系列 普林大数据学院依托北京大数据研究院和北京大学,为有需求的企业和用户提供线上线下结合大数据培训服务 ...
- 声音识别入门经典模型实践-基于大数据训练CNN14网络实现食物咀嚼声音识别
声音识别入门经典模型实践-基于大数据训练CNN14网络实现食物咀嚼声音识别 项目简介 声音分类是指可以定制识别出当前音频是哪种声音,或者是什么状态/场景的声音.通过声音,人的大脑会获取到大量的信息,其 ...
- 笔记:python spark机器学习与hadoop大数据
目录 1.1机器学习的介绍 机器学习架构 1.2Spark的介绍 1.3Spark数据处理RDD.DataFrame.Spark SQl 1.4使用python开发spark机器学习与大数据应用 1. ...
- 专访CMU邢波教授:机器学习与医疗大数据,及大规模机器学习系统的开发
随着大数据的深入应用,机器学习已经进入医疗领域.卡耐基梅隆大学(Carnegie Mellon University,CMU)计算机科学学院教授邢波(Eric Xing)正在主持CMU的一个机器学习和 ...
- 爱思唯尔云论坛:疫情挑战下的大数据与人工智能研究
2020注定是不寻常的一年,新冠肺炎疫情在全球多点暴发并迅速蔓延,给社会带来巨大影响的同时,也为大数据与人工智能研究者带来新的挑战.值此疫情之际,由爱思唯尔旗下大数据期刊Big Data Resear ...
- 机器学习与气象数据_气象大数据与机器学习联合实验室 大数据和气象的“联姻”...
气象大数据与机器学习联合实验室 大数据和气象的"联姻" 来源:<中国科学报> 时间:2017-02-13 13:36:28 作者:沈春蕾 我们每天都在看天气预报,大家会 ...
- 新工科背景下的大数据体系建设探析
新工科背景下的大数据体系建设探析 王元卓,于建业 中国科学院计算技术研究所,北京 100190 北京物资学院信息学院,北京 101149 摘要:大数据产业迅猛发展,对大数据人才培养提出了巨大挑战. ...
- Python+Django+Mysql开发在线购物推荐网 协同过滤推荐算法在购物网站中的运用 个性化推荐算法开发 基于用户、物品的协同过滤推荐算法 机器学习、分布式大数据、人工智能开发
Python+Django+Mysql开发在线购物推荐网 协同过滤推荐算法在购物网站中的运用 个性化推荐算法开发 基于用户.物品的协同过滤推荐算法 机器学习.分布式大数据.人工智能开发 ShopRec ...
- 在线新闻推荐网 Python+Django+Mysql开发技术 基于用户、物品的协同过滤推荐算法 个性化新闻推荐系统 协同过滤推荐算法在新闻网站中的运用 个性化推荐算法、机器学习、分布式大数据、人工智
在线新闻推荐网 Python+Django+Mysql开发技术 基于用户.物品的协同过滤推荐算法 个性化新闻推荐系统 协同过滤推荐算法在新闻网站中的运用 个性化推荐算法.机器学习.分布式大数据.人工智 ...
最新文章
- 【camera-lidar-radar】基于卡尔曼滤波和扩展卡尔曼滤波的相机、激光雷达、毫米波雷达多传感器后融合
- blockUI 使用小技巧
- 2019宁波本科计算机招聘工资,@宁波人,76282!2019年度平均工资是这么多,你拖后腿了吗?...
- Java8 - 接口默认方法
- 首次使用计算机鼠标键盘不能用,解决方案:如何解决无法使用计算机鼠标和键盘的问题?如果启动后无法使用鼠标和键盘该怎么办?...
- 解决IDEA自动重置LanguageLevel和JavaCompiler版本的问题
- php json 不转义字符串,PHP的json_encode不会转义所有JSON控制字符
- Prime Count 求大区间素数个数
- sqlserver中select造成死锁
- * 构建一个list集合存储5个学生对象, 过滤年龄小于18的,存入一个新的map集合
- 开发接口文档_更优更稳更好,看文档驱动开发模式在AIMS中的优势
- 有十五个数按由大到小顺序存放在一个数组中_数据结构基础 (代码效率优化, 线性表, 栈, 队列, 数组,字符串,树和二叉树,哈希表)...
- Javascript特效:利用给节点增加参数或者闭包实现百度首页换肤
- NFC怎么复制房卡_为了省门禁卡的钱,买了NFC读卡器,到底值不值
- 毫米波雷达系统构成、测量原理(测距、测速、角速度)
- 【通过输入身份证前17位得到省份,性别,年龄,出生日期和最后一位】
- 【股票】股票交易的手续费介绍以及计算
- SHU OJ 420 购买装备(假装背包,其实贪心)
- HTML网页上播放AVI视频代码示例
- pg_rewind详解