ДалееСледующее руководство
Метрики расстояния в машинном обучении
Основы
РУКОВОДСТВО ПО ОСНОВАМ
Математика, используемая в машинном обучении, объединяет представления данных, прогнозирование, оптимизацию и неопределенность.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Углубляйте свою задачу, используя небольшие расчеты, чтобы понять, что делает программное обеспечение, вместо того, чтобы рассматривать список продвинутых курсов как универсальное требование для поступления.
Начните с алгебры: переменных, функций, уравнений, отношений и графиков. Правило прогнозирования, такое как y = wx + b, должно стать тем, что вы можете вычислить и объяснить. При x = 3, w = 2 и b = 1 прогноз равен 7. Изменение коэффициента меняет правило; изменение ввода оценивает то же правило в другом примере. Держите эти операции отдельно. Линейная алгебра организует множество входных данных и параметров. Вектор может представлять один пример, а матрица может содержать несколько примеров или линейное преобразование. Изучите размеры, скалярное произведение и умножение матриц, прежде чем полагаться на компактные обозначения. Измерения сообщают вам, какие операции определены, но не сообщают, содержат ли столбцы правильные функции или единицы измерения. Исчисление объясняет местные изменения. Производная измеряет, как изменяется функция при изменении одной переменной; градиент собирает частные производные для нескольких переменных. Оптимизация использует эту информацию для настройки параметров. Для иллюстративного скалярного обновления параметр 2, градиент 0,6 и скорость обучения 0,1 дают 2 — 0,1 × 0,6 = 1,94. Одно обновление не является доказательством конвергенции или хороших прогнозов. Вероятность и статистика помогают описывать вариации, условные события, выборку и неопределенность. Они необходимы для интерпретации оценки, а не просто для сообщения о баллах. Корреляция не устанавливает причинно-следственную связь. Сопоставьте глубину исследования с работой: понять существующую модель, реализовать метод обучения и доказать теоретический результат — разные цели. Предварительные условия курса представляют собой полезную справочную информацию, но ни один контрольный список курса не определяет каждую роль ML. Попрактикуйтесь в объяснении предположений и проверке небольшого примера рядом с каждой новой концепцией.
Учащийся подставляет x = 3, w = 2 и b = 1 в линейный предиктор и проверяет, что wx + b равно 7.
Инженер записывает размеры матрицы данных и весового вектора, прежде чем диагностировать ошибку умножения.
Аналитик сравнивает ложные оповещения с пропущенными событиями вместо того, чтобы выбирать классификатор только на основе общей точности.
Студент проверяет одно обновление градиента вручную, прежде чем полагаться на автоматическое дифференцирование в цикле обучения.
Инструменты машинного обучения более высокого уровня могут скрывать больше математических операций за интерфейсами, а диагностика упрощает проверку выбранных величин. Это могло бы сократить объем рутинных арифметических действий, выполняемых практикующим специалистом, не устраняя при этом вопросы об измерениях, целях или неопределенности. Полезный план обучения должен развиваться вместе с задачей: вернуться к концепции, когда эксперимент выявляет пробел, и сохранять примеры достаточно небольшими, чтобы их можно было проверить. Новые интерфейсы следует оценивать по тому, раскрывают ли они предположения и случаи сбоев, а не по тому, делают ли они математику ненужной. Понимание остается полезным, когда результат требует объяснения.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Математика, используемая в машинном обучении, объединяет представления данных, прогнозирование, оптимизацию и неопределенность. Углубляйте свою задачу, используя небольшие расчеты, чтобы понять, что делает программное обеспечение, вместо того, чтобы рассматривать список продвинутых курсов как универсальное требование для поступления.
Коэффициент w является частью правила; изменение x приведет к оценке правила на другом входе.
Совместимость форм не проверяет значения или единицы измерения функций.
Численное обновление не обеспечивает сходимости, обобщения или полезности задачи.
Вероятность и статистика описывают вариации, выборку и неопределенность.
Сама по себе ассоциация не устанавливает причинный эффект вмешательства.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Метрики расстояния в машинном обучении
Основы