大二下 AI知识通识拓展笔记（非课程）20250223

图片借鉴自网站：
https://www.bilibili.com/video/BV1uGA3eLEeu/?spm_id_from=333.1007.tianma.3-1-5.click&vd_source=594a6e571127875bac2b018206a99fd4

内容如下：

01 从函数到神经网络

其中，人类其实是能够找到一个函数准确的穿过所有在坐标轴上的点的，可是这种情况属于过拟合，过拟合并不能使函数更加合理的反应坐标轴上的点的分布趋势，所以人类更倾向于有意将函数进行简化。因为模型的目的不是要拟合过去的全部训练数据，而是为了更好地做预测，使得没看过的样本也可以得到好效果。不追求绝对拟合是考虑到原有数据可能并非完全准确。比如说12345这一组数，可以很简单用y=x表达，但如果因为一些失误，原始数据成了13345，那么完全拟合的表达函数和y=x就不一样了，如果我需要对x=100的情况进行预测，两种方式计算出的结果可能相差极大。所以一般会舍弃部分值、放弃现有数据下得到的“绝对精准”，以追求在更多环境中可能更加适用的“相对精准”。（就是数据总会有“误差”，“ 离群点 ”，如果真用绝对精确的函数去拟合，就会受这些异常情况很大影响。所以科学家们选择忽视极个别离群数据，能符合绝大部分数据就行了。）