『壹』 訓練機器學習如何找到好西瓜
一個西瓜,我怎麼在不交易、不打開的情況下,就知道它是好的還是不好的。如果我知道,我就可以用同樣的價錢買到更好的西瓜;而如果我是瓜商,有了一套標准之後,我就可以更好的管理我的貨品。
回到這個問題,一個西瓜是好的還是不好的,這是典型的機器學習二分類問題。首先我們要找到,判斷這個西瓜好不好有哪些可以用到的數據。
我們不能把買賣西瓜之後的數據放進去分析,比如買了西瓜之後,我打開就知道好不好了,那麼這個就沒有價值。
所以我必須在不破壞西瓜的前提下,這時候能用到的數據是西瓜的產地、西瓜的紋路、重量、比重、敲擊西瓜的聲音是渾濁還是清脆、西瓜皮的質感等等,這些不打開西瓜的情況就知道的數據。
剛剛我們的目標已經講得很清楚了,好的還是不好的,好的是 1,不好的是 0,甚至我還可以定義一個評分,0 到 1 之間的一個數,但總體而言我可以設定一個機器學習的目標,我們稱之為 Label。
(1)西瓜電影機器人真人擴展閱讀
機器學習不僅應用在找西瓜方面,也可以用來對機器人進行機器學習。這種機器人採用激光掃描和觸覺反饋相結合的方式實現定位,而沒有採用視覺系統。
因此,它可以在完全黑暗的環境下操作,這有助於進行光敏光化學反應。機器人「研究員」尺寸和人類相當,可以在傳統無改造的實驗室內工作。
不同於許多隻能配發液體的自動化系統,這種機器人能夠以較高的准確性和可重復性配發固體和液體,擴大了它在材料研究中的實用性。
研究人員通過編程方式,讓該機器人探索各種假設,以提高一種聚合光催化劑的性能。機器人在2—3天內,便優化了反應條件,而人類預計要幾個月的時間才能做到。