深度学习之机器学习傻瓜教程

什么是机器学习？

传统的教科书会用一大堆高等数学，线性代数，概率论，统计学等知识把你拒之门外，这里博主俺决定用一个很简单的例子给不用你任何高深的数学知识来理解。

在写机器学习之前，我们来举个例子。假设你是个古代的国王，那里没有现代的科技，你想找个预报天气比较准的人来帮你预报天气。你要怎么办呢？通常，我们会找一个人，让他预报10000天，看它的准确率如何，然后再找一个人，再预报10000天，看它预报的准确率如何。依次类推，你找了100个人，终于找到了一个准确率在90%的人，你就征用它当你的气象局局长了。

把这个故事映射到机器学习上，那么10000天就是样本，100人中每个人就是你的一个模型。预报准确率的统计就是误差函数。

机器学习的本质就是你用你的数学模型（100个人）在样本（10000天）中尝试，然后你统计出这个模型（人）的预测误差（准确率），如果误差不达标，你再找下一个模型（人）。

机器学习的挑战是如何在这100个人里去快速寻找合适的人选。你最后发现一个线索，就是预报比较好的人，它们的亲戚也预报的可能比较好，这个就是梯度下降。你不是在盲目的寻找模型。

这里模型大家觉得很神秘，其实说简单就是每个特征的权值而已，说的高大上的，就叫权值向量。

-------------------------------最后华丽的分割线------------------------------------------

本教程的目录博文请点击这里。

如果大家想先对机器学习进行入门了解，可参看这里的简单介绍。如果需要简单了解深度学习的内容，可参看这里简单的介绍。学习这些教程之前，可以先热身下，这里是theano的基础教程，学完之后，再看下这个东东，里面有一些基本的概念和一些测试的训练集。