機器學習知多少?了解機器學習的「能」與「不能」
機器學習技術已經深入應用在你我的日常生活中,像是推薦系統、人臉/語音辨識等,但你了解機器學習是什麼嗎?Hahow 以三個面向剖析,讓你快速了解近年來備受關注的機器學習!
想了解更多關於 Python 的學習與應用嗎?
Hahow 為你精選 10 篇經典內容,在全球學 Python 的趨勢下,陪你找到學習動機!
〈給新手的 Python 學習指南〉,現正連載中!
機器學習(Machine Learning)近年來發展極為快速,也應用於許多你我平常使用的服務中,如推薦系統、人臉/指紋/語音辨識、車牌辨識等。然而,機器學習究竟是什麼呢?如何把機器訓練的像人類一樣有「智慧」呢?以下我們就機器學習的原理、種類及應用三個面向讓你全方位掌握機器學習的相關基礎知識!
機器學習的優勢:透過歷史資料分析進行結果預測
機器學習為人工智慧(Artificial Intelligence)的一個分支,主要的原理是透過歷史資料與經驗訓練機器從中找到運行規則,而後讓機器達到人工智慧的方法。透過機器學習模型,我們能夠有效使用其演算法預測各種成果。相較於人們自己編寫程式運算及預測結果,機器學習模型能透過不斷的迭代優化其效能,讓預測的標的更加準確。
以投資舉例,以傳統撰寫程式的方式進行交易主要會經過以下三個步驟:
-
研究可行方法:自行評估有用的技術指標、投資指標。
-
編寫程式:設計及編寫程式邏輯,如當某個技術指標達到一定數值後,則執行賣出。
-
評估:通常以進行回測的方式進行,透過歷史資料測試程式邏輯並得到評估成果。若成果績效佳,則代表程式撰寫品質佳,可繼續沿用;若成效不佳,則需要回至研究可行方法步驟,擬定新的策略。
然而,機器學習與傳統的撰寫程式流程有何不同?可用以下例子清楚說明。
假設我們希望預測今天是否需要帶傘出門,以傳統編寫程式方法進行預測的話,主要的程式邏輯為:「若窗外下雨,即帶傘;若窗外沒下雨,即不用帶傘。但當下沒下雨不代表當天其他時段不會下雨,因此傳統的程式邏輯有很大的限制。
此時若導入機器學習,「編寫程式」的步驟即可被替換。
註冊免費解鎖文章,獲得完整知識!
