一起动脑筋 · 先看一个小故事
女孩教机器人区分水果，不能只说“你要聪明一点”。她拿出不同水果的样例，让系统有东西可学。
把过程摊开来看
- 准备样例照片等数据
- 训练比较并调整
- 保留模型记录学到的参数
- 新样例检查是否会用
机器学习利用数据中的模式来改进模型完成任务的表现。
数据可以是图片、文字、声音或数值；任务不同，合适的数据也不同。对带标签的分类任务，标签提供期望答案。
学习不是把所有资料原封不动放进一个抽屉，训练通常改变模型参数，但模型也可能记住某些样本。
轮到你来试一试
只用红苹果训练“水果分类”，能保证认识香蕉吗？
想好了吗？点开看解释
不能。训练内容没有覆盖香蕉，也不足以代表水果的多样性，需要更合适的样例与独立测试。
带走一个发现
机器学习利用数据中的模式来改进模型完成任务的表现。
试着遮住上面的图，把每一步讲给家人听。如果某一步说不清楚，就回到那张卡片再看一遍。