1. 准备工作
在此 Codelab 中，您将学习机器学习的基础知识，您将构建一个基于数据进行训练的系统，以推断用于确定各种关系的规则，而不是使用 Java 或 C++ 等语言编程显式规则。
请考虑以下问题：您要构建一个系统，能够跟踪健身情况，识别运动状态。您或许需要访问用户行走的速度，并尝试基于速度这个条件推断用户的活动情况。
if(speed<4){
status=WALKING;
}
您可以使用其他条件扩展该变量。
if(speed<4){
status=WALKING;
} else {
status=RUNNING;
}
在最后一个条件下，您可以使用类似方法检测循环。
if(speed<4){
status=WALKING;
} else if(speed<12){
status=RUNNING;
} else {
status=BIKING;
}
现在请考虑，当您想添加活动（如高尔夫）时，会发生什么情况。如何创建规则来确定这样的活动，则不那么显而易见。
// Now what?
编写一个能够识别高尔夫活动的程序极难，您该怎么办？您可以使用机器学习来解决问题！
前提条件
在尝试此 Codelab 之前，您需要：
- 扎实的 Python 知识
- 基本编程技能
学习内容
- 机器学习的基础知识
您将构建的内容
- 您的首个机器学习模型
所需条件
如果您从未使用 TensorFlow 创建过机器学习模型，则可以使用 Colaborator，这是一个基于浏览器的环境，包含所有必需的依赖项。您可以找到在 Colab 中运行其余 Codelab 的代码。
如果您使用其他的 IDE，请确保您已安装 Python。您还需要 TensorFlow 和 NumPy 库。您可以在此处详细了解并安装 TensorFlow。点击此处安装 NumPy。
2. 什么是机器学习？
考虑构建应用的传统方式，如下图所示：
您使用一种编程语言表达规则。这些规则根据数据执行操作，而您的程序会提供答案**。**在活动检测中，规则（您编写的用于定义活动类型的代码）会根据数据（用户的移动速度）生成答案：函数的返回值，用于确定用户的活动状态（无论是在步行、跑步、骑车还是做其他事情）。
通过机器学习检测活动状态的过程非常相似，只是轴线不同。
您无需尝试定义规则并使用编程语言表达规则，只需提供答案（通常称为“标签”）以及数据，机器即可推断出用于确定答案与数据之间关系的规则。例如，您的活动检测场景在机器学习环境中可能如下所示：
您需要收集大量数据，并有效地标记其为“这是步行的样子”或“这是跑步的样子”。然后，计算机可以根据数据推断出决定某一特定活动的不同模式的规则。
除了在某一场景中作为编程的替代方法，该方法还可让您打开新的场景，例如在基于规则的传统编程方法中可能无法实现的高尔夫场景。
在传统编程中，代码被编译为通常称为程序的二进制文件。在机器学习中，您通过数据和标签创建的项称为模型。
因此，如果您回到此图表：
将该操作的结果视为一个模型，在运行时如下所示：
您向模型传递一些数据，然后模型会使用从训练中推断的规则进行预测，例如，“该数据似乎表示在步行”或“该数据似乎表示在骑车”。
标签：机器,规则,编程,学习,使用,数据 来源： https://blog.csdn.net/u012997396/article/details/121959197
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。