《机器学习》 第一章

图书馆借了本机器学习，作者是：Tom M.Mitchell，亚马逊这本书排名挺靠前的。

好了，直接开篇。

 

定义一个学习问题，必须由三个特征：任务种类，衡量任务提高的标准，经验来源。

接下来大篇幅讲述了，如何挑选训练经验，选择目标函数，目标函数的表示，选择函数逼近算法。

整个设计下来，分为了四大模块：执行系统、鉴定器、泛化器、实验生成器。

看过这本书的都会被第一章的跳棋学习深深吸引了，从豆瓣上面就可以看出来，那么接下来就从四大模块进行讲述。

 

任务：下跳棋

标准：取胜的百分比

训练经验：自己跟自己训练。

目标函数：将棋盘上的棋局映射为一个数字

目标函数的表示：V(b)=w0+x1*w1+x2*w2+x3*w3+x4*w4+x5*w6+x1*w6

PS（x1~x6分别代表：棋盘上的黑子数量、红字数量、黑王数量、红王数量、被威胁的黑子数量、被威胁的红字数量，w0~w6是参数，可进行初始化，电脑的学习就是把参数进行调整。

 

ok，以上是对跳棋学习任务的描述，接下来就看，实际上是怎么运行的：

 

执行系统：

输入：棋局

输出：整盘琪玩下来的记录

也就是说，执行系统通过对一个棋局的分析，做出了走哪一步棋的决定，请注意，在整个过程，电脑都是在和自己下棋，所以它能够把这盘棋下完。

关键在于，电脑是怎么做出走下一步棋的决定的？是这样的，电脑在拿到一个棋局之后，会算出所有所有合法的走法，然后根据

V(b)=w0+x1*w1+x2*w2+x3*w3+x4*w4+x5*w6+x1*w6，算出每个走法的数值，然后选取数值最大的那个走法。

是的，就这样，一步步下去，电脑就能跟自己走完一盘棋了。

 

鉴定器：

输入：整盘琪玩下来的记录

输出：每一步棋真正的数值

你会很好奇，为什么输出每一步棋真正的数值？刚才不是算过了吗？是这样的，电脑算出来的，是它认为的值，可能在这个棋局之中，电脑认为的值与现实有偏差，你应该告诉它，你错了，这个值是有偏差的。注意，正是这种电脑计算之后你告诉他对不对的过程，才让电脑不断调整w0~w6，使得它自己认为的值与事实上的更加相似。

那么，你鬼知道某一盘棋的数值啊！是的，你不知道，你知道了也没用，你不可能告诉电脑每一个棋局的数值，不然会累死你，那就让它自己算吧。怎么算？作者提出

让：V(b)=V(在b棋局情况下，我走完了而且对方也走完的另一个棋局)

我自己对这个也有疑问，但是作者说，13章会告诉你，这方法是可行的。

 

泛化器：

输入：某个棋局与这个棋局真正的数值

输出：w0~w6

是的，有了每个棋局真正应得的数值，以及电脑自己认为的值，那么我们就能使用各种方法调整参数，例如可以使用梯度下降的方法，这个后面会讲。

 

实验生成器

输入：w0~w6

输出：初始棋局

这个没啥好说的，为执行系统提供初始棋局罢了，一个好的学习方法应该会有好的开始。但是书里只是不断为执行系统提供同一个初始棋局。

 

是的，讲完了。