學機器學習

機器學習的目的是透過資料尋找一個函數，這個函數可以把輸入映射到輸出。例如，給定一張圖片，這個函數可以把輸入圖片映射成對應的說明文字。

怎麼樣找這個函數呢？機器學習的過程要先設定模型的形式，以及使用的參數。一般模型大多使用神經網路，而其中的參數則稱為權重。一個大的模型，參數量可能很多，有些高達幾十億個，要想找到好的參數，人力無法勝任，所以就交給機器去運算，這個運算過程，就稱為訓練模型。

訓練模型，也就是在找模型參數的過程。怎樣的參數才算是好的呢？這要有一個判斷的標準。一般會使用一個損失函數，這個損失函數用來衡量模型的輸出和希望得到的輸出之間的差距，並根據這個差距給一個分數，而我們要想辦法讓損失函數的平均分數越小越好。

當我們得到一個損失函數的分數之後，有一套演算方法，可以用來調整模型的參數，讓損失分數可以稍微往較低的方向變化。

整個訓練模型的過程，就是不斷餵資料、計算輸出、計算損失函數的分數、調整模型參數，這樣不斷地循環，而每次調整都試圖讓模型變得更好一些，經過千千萬萬次的調整之後，模型的效能或者說正確性也就變得越來越好了。

現在的機器模型，功能可以做到非常強大；而我在想，如果人也可以像機器一樣，每天都反省自己，比對理想與實際行為的差異，然後根據這個差異，往好的方向修正一點點，這樣日積月累，心靈也會變得越來越美好吧！易經上說：天行健，君子以自強不息。曾子曰：吾日三省吾身。其實有智慧的賢者，不也是這樣一點一滴累積而成的嗎？向機器學習，有為者亦若是！