数据中规（guī）律学习（xí）——人工智能（néng）算法

首（shǒu）先我们来看（kàn）⼀下最常⻅的⼈⼯智（zhì）能算法是什么（me）样的：

人工智能算法在数据中规律学习

⼈⼯智能算法包括⼏个部分（fèn）： x是模（mó）型的输⼊，y是模型的输出（chū），模（mó）型就是（shì）对输⼊转化为输（shū）出的计算。⽐如输⼊x可以是⼀张图⽚（如（rú） 猫（māo）的（de）照⽚），模（mó）型对图⽚进⾏计算（suàn）处理，然后（hòu）输出这张图⽚上对应的物品的类别（猫（māo））。 我们可以（yǐ）把算（suàn）法理解成⼀个函数：y = f(x)，这（zhè）⾥⾯输⼊是x，输出是y，模型对（duì）应的是映射规则f。 对于⼀个（gè）具体的（de）问题（tí），我们可以获取到⼤量的（x，y），⼈⼯智能（néng）算法就是从这些数（shù）据中学习规律，找 到映射规则f。所以，⼈⼯智能算法学习规律就是确定x到y的映（yìng）射规则f 为了让⼤家能理解⼈⼯智（zhì）能算法的学习过程，我们⼀起来看⼀个（gè）简单的（de）例⼦： 下⾯是某个⼩区的房价和房屋⾯积的数据。

人（rén）工智能算（suàn）法在（zài）数据中规（guī）律学习

现在要（yào）利⽤⼈⼯智能的算法去学习（xí）房屋（wū）⾯积和房屋（wū）价格的规律，也就是根据房屋的⾯积如何计算得到房 屋的价格。 模型的输（shū）⼊是房屋⾯积，模（mó）型的输出是房屋价格。 我们可以建（jiàn）⽴这样的模型：y = wx + b 其中，w和b是未知的，调整w和b的值可以得到不同的映射规则。 我们知道（dào），y = wx + b 表示的是⼆维平（píng）⾯内的⼀根直线，调整w和（hé）b的值可以（yǐ）得到不同的的（de）直线。 接下来我们⼀起看⼀下如何去确定w和b的（de）值。 ⾸先，我们先不管w和b取什（shí）么值（zhí），我（wǒ）们直接把输⼊代⼊模型，可以得到模型的（de）输出值，我（wǒ）们称模型的（de） 输出为预测值。数据（jù）如下表：

人（rén）工（gōng）智能（néng）算法在数（shù）据中（zhōng）规律（lǜ）学习

接着，我们（men）只要调整w和b的值，让预测房价尽量接近真实房价（jià）。 那（nà）我们怎（zěn）么（me）调整w和（hé）b呢？⼀个个（gè）尝（cháng）试（shì）不同的（de）取值吗（ma）？ 我们知道，不（bú）管是（shì）w还是b，都是有⽆限种可能取值的，遍历它（tā）们的所有可能取值显然是（shì）不现实的。 那（nà）么有没有（yǒu）⽅法可以指引（yǐn）我们（men）去（qù）找到最优（yōu）的w和b呢？答案是有的。 回忆⼀下，⾼中数学课程⾥⾯我（wǒ）们是不（bú）是做过这样⼀件事情：给定⼀个函数，求函数值的（de）最⼩值以（yǐ）及（jí）此 时⾃变量的值。 基于这样的思（sī）路，我（wǒ）们（men）做下⾯这样的（de）操（cāo）作（zuò）：

人工智能算法在数据中规律（lǜ）学习

这（zhè）⾥我们就（jiù）得到了⼀个函（hán）数（shù），函数的⾃变量是（shì）w和b。⼤家观察这个函数（shù）， J的值越⼩， ypredict是不是越接近ytrue ？

这时候我们求J 这个函数（shù）的值最（zuì）⼩的时候对应的w和b的取（qǔ）值，是不是就得到了我们（men）需（xū）要找的最优的w和 b的值（zhí）？ 答案（àn）是肯定的，⼈⼯智能算法就（jiù）是这样做的（de）。

上⾯我们（men）构造（zào）的（de）函数（shù），在⼈⼯智能算法（fǎ）⾥⾯叫损失函数，求损失（shī）函数的值最⼩时（shí），可训（xùn）练参数(w和（hé）b)的 值的⽅法是梯度下（xià）降。关于损失函数和梯度（dù）下降的内（nèi）容，我（wǒ）们后⾯再深⼊去讲解。这⼀⼩节我（wǒ）们要（yào）理解 的是（shì）⼈⼯智能（néng）算（suàn）法学习的过程。

寻找最优未知参数的值的⽅法： 构（gòu）建⼀个（gè）损失（shī）函（hán）数，损失函（hán）数满⾜⼀下条件： 1、损失函（hán）数是（shì）关于所有可训练参数的函数； 2、损失函数的（de）函数值越⼩， ypredict越（yuè）接近ytrue 。

有了损（sǔn）失函（hán）数之后，寻找最（zuì）优可训练参（cān）数的问（wèn）题就转（zhuǎn）化成（chéng）： 求损失函数最（zuì）⼩值（极⼩值）时，可训练参（cān）数的（de）取值（zhí） --> 通过（guò）梯度下降法可以实现。