训练机器学习如何找到好西瓜

Posted 2023-03-24

一个西瓜，我怎么在不交易、不打开的情况下，就知道它是好的还是不好的。如果我知道，我就可以用同样的价钱买到更好的西瓜；而如果我是瓜商，有了一套标准之后，我就可以更好的管理我的货品。

回到这个问题，一个西瓜是好的还是不好的，这是典型的机器学习二分类问题。首先我们要找到，判断这个西瓜好不好有哪些可以用到的数据。

我们不能把买卖西瓜之后的数据放进去分析，比如买了西瓜之后，我打开就知道好不好了，那么这个就没有价值。

所以我必须在不破坏西瓜的前提下，这时候能用到的数据是西瓜的产地、西瓜的纹路、重量、比重、敲击西瓜的声音是浑浊还是清脆、西瓜皮的质感等等，这些不打开西瓜的情况就知道的数据。

刚刚我们的目标已经讲得很清楚了，好的还是不好的，好的是 1，不好的是 0，甚至我还可以定义一个评分，0 到 1 之间的一个数，但总体而言我可以设定一个机器学习的目标，我们称之为 Label。

扩展资料

机器学习不仅应用在找西瓜方面，也可以用来对机器人进行机器学习。这种机器人采用激光扫描和触觉反馈相结合的方式实现定位，而没有采用视觉系统。

因此，它可以在完全黑暗的环境下操作，这有助于进行光敏光化学反应。机器人“研究员”尺寸和人类相当，可以在传统无改造的实验室内工作。

不同于许多只能配发液体的自动化系统，这种机器人能够以较高的准确性和可重复性配发固体和液体，扩大了它在材料研究中的实用性。

研究人员通过编程方式，让该机器人探索各种假设，以提高一种聚合光催化剂的性能。机器人在2—3天内，便优化了反应条件，而人类预计要几个月的时间才能做到。

参考资料：人民网—机器学习诞生新型“研究员”

参考技术A

首先我们看西瓜的颜色和纹路，翠绿中泛点黄色，而且纹路清晰的西瓜，这样的西瓜收到了充足的阳光照射，甜度一定是很好的然后看西瓜的形状，尽量找表面光滑，形状匀称的，特别是圆形或者椭圆的更好一点。一些扁平、大肚子的西瓜就不要挑选了可以听声音，这是很多人都会选择的方法，在选择西瓜的时候，用手指轻轻敲打西瓜，声音比较清脆并且有震动感的西瓜比较甜，相反声音比较沉闷的西瓜最好不要最后摸摸西瓜的肚脐，一般成熟的西瓜肚脐圈是圆的颜色泛黄

而训练机器学习三步曲：数据+训练模型+模型评估数据集，是机器学习算法与现实世界对接的桥梁。因为数据包含要处理的问题。目前在机器学习各领域有很多开放数据集，极大地方便了发论文需求的满足，但是在面向实际的领域应用时，数据获取和清洗的难度其实很大，当然，这不是机器学习的重点。机器学习中涉及到数据的部分，主要是数据集的划分。

扩展资料：

怎么样使机器选出好的西瓜就需要利用数据集、训练集和测试集的划分有很多方法，什么留出法，交叉验证法、自助法等。不同的划分方法应该和模型的评估是密切相关的。（可以参考https://zhuanlan.zhihu.com/p/67286530?from_voters_page=true）西瓜书上还提到了K折交叉验证法，这个训练的工作量会比较大。

参考资料来源：百度百科-如何选好西瓜

参考资料来源：百度百科-机器学习