目前的一些关于机器学习的想法
- 大家一直都在说深度学习和积极学习，当我在本科的时候，就听到很多关于这方面的东西，但当时自己对于这些东西的概念较为模糊，随着研究生进一步的学习，我想讲一下，到目前我所理解的记忆学习或深度学习的本质，嗯，可能就是从一些数据里面去学到一些规律，而这些规律是我们平常所不容易发现的，这就不得不说到人工智能或者是机器学习，说白了就是统计学的一个另一个外号，基本上大致流程都是相同的，首先拿到数据之后对数据进行一些分析或处理，处理完之后再对数据的一些重要的特征进行一些相应的加工处理，然后再将其放到一个模型里面去训练，这个模型可以是任意的一个模型，但是不同的模型会对一些数据有不同的偏好程度，然后训练出来这个模型之后，我们用它来跑，没有跑过的数据，看看它的准确率，然后根据准确率再去调节一些东西，而这些东西就是学到的参数，也就是大家所说的调参，我们不知道每个模型的上限，所以基本都是凭一些经验去调参，至于某一个参数被调到什么程度，能获得一个局部最优解，这是目前所不知道的，所以大家都会称深度学习工作者为调参侠，就目前理解而言，似乎数据可以囊括所有的东西，而数据里面的规律也是可以被学习到的，那么，深度学习和机器学习的本质就一目了然了，就是从数据里面学习一些规律，然后再用这些规律去预测未知的东西，然后经过一些校准来提高模型的准确率等等，这是目前我对深度学习和机器学习的一个大致的了解，而研究生阶段要研究的就是某一个具体领域阅读大量的论文，然后发现某一个地方有所缺陷，然后我们通过不断的做实验以及验证实验来证明我们提出的个方法，比之前的方法有效或有用，这样就是一篇好的文章，也可以不断的去从其他领域借鉴一些方法，将这些新颖的方法运用到本领域上，那么有可能结果就又不一样，每次这种事情发生的时候，在科技界就是一个大的变革，我们只能紧跟时代的步伐，多去学习相关的知识，让自己不至于落伍。目前就这么多感悟，可能以后随着对知识的学习，感悟会更加深
)
