学机器学习

机器学习的目的是通过数据找到一个函数，这个函数可以把输入映射到输出。例如，给定一张图片，这个函数可以把输入图片映射成对应的说明文字。

怎么样找到这个函数呢？机器学习的过程首先要设定模型的形式，以及使用的参数。一般模型多使用神经网络，而其中的参数则称为权重。一个大的模型，参数量可能很多，有些高达几十亿个，想要找到好的参数，人力无法胜任，所以就交给机器去运算，这个运算过程，就称为训练模型。

训练模型，也就是在找模型参数的过程。怎样的参数才算是好的呢？这需要有一个判断的标准。一般会使用一个损失函数，这个损失函数用来衡量模型的输出和希望得到的输出之间的差距，并根据这个差距给一个分数，而我们要想办法让损失函数的平均分数越小越好。

当我们得到一个损失函数的分数之后，有一套算法，可以用来调整模型的参数，让损失分数可以稍微往较低的方向变化。

整个训练模型的过程，就是不断地喂数据、计算输出、计算损失函数的分数、调整模型参数，这样不断地循环，而每次调整都试图让模型变得更好一些，经过千千万万次的调整之后，模型的性能或者说正确性也就变得越来越好了。

现在的机器模型，功能可以做到非常强大；而我在想，如果人也可以像机器一样，每天都反思自己，比对理想与实际行为的差异，然后根据这个差异，往好的方向修正一点点，这样日积月累，心灵也会变得越来越美好吧！《易经》上说：天行健，君子以自强不息。曾子曰：吾日三省吾身。其实有智慧的贤者，不也是这样一点一滴累积而成的吗？向机器学习致敬，有为者亦若是！