與技術和人工智能的發展,似乎令人生畏的掌握這些複雜的話題。我們知道,電腦有學習能力,幫助他們變得更強大和更敏捷,但這意味著什麼呢?電腦怎麼學?
讓我們深入機器學習“學習”這看起來像人類。你可以看到這個話題的視頻版本在這裏。
電腦怎麼學?
如何讓計算機學習?這聽起來像一個非常困難的問題。但實際上這並不是很難。
整個想法是給電腦的一些例子,讓它建立一個模型。有兩種不同的方式,這可能會奏效。機器學習學習通過分類模型或回歸模型。
分類與回歸模型
的分類模型有兩個不同的顏色表示。你給一些例子分類模型(即綠色和藍色點),你讓機器構建的模型。模型是點之間的界線。一旦你有了這種模式,它讓你對新數據進行預測。
其他機器學習的核心方法是一種工作回歸模型。在這種情況下,你的輸入是x軸和輸出的預測是一個數字。
例如,您的x軸可能是平方英尺的房子和你的y軸的預測價值的房子,那麼你可以向模型中添加新房子和他們進行猜測。
以教學為例的機器學習如何準確檢測的麵孔。
你給機器一大堆麵臨的例子,很多非人臉的例子,它構建了模型來區分它們。
電子郵件營銷技術如何使用機器學習
Phrasee使用機器學習來預測哪些營銷語言會導致更多的打開,點擊和轉換。
我們真正是人類行為建模。從消費者的角度來看,每次你得到一個電子郵件在你的收件箱,你決定是否要點擊郵件。這是可以令人驚訝的準確建模與機器學習技術。
了解它是如何工作的在這裏。