[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 因此现在我们要一起参与一个全新的餐馆经历 或者说是 餐馆评价的例子 利用分类器的方法 让我们继续深入理解一些这是一个什么样子的分类器 这个分类器可以有什么其他的应用 这个分类器获取一些输入值x 例如 本例中的一个句子 或者 其他我们之后会提到的输入 把这个输入值放进我们称之为“模型”的东西 然后会有一个输出值y 这个输出值y就是我们要预测的数值 这里涉及到一个分类问题 例如 正类或负类 在这个情感分析的例子中 正类就是“竖起大拇指”的好评 而负类就是“大拇指朝下”的差评 但是这只是其中的一个分类器的例子 你可以推广到其他文字类的分类应用 例如 一个网页 我想要 找出那些页面可能引起我的兴趣 我就可以通过分类来实现 例如 这个是关于教育的吗？是不是一个关于教育的网页 这个网页是关于金融的吗？是关于科技的吗？等等 这个例子里就不只是有两个类别了 可以有三个 四个 甚至是我要预测的是上千个类别 现在 再举一另一个分类的例子 这个与我们的生活息息相关的分类的例子，就是垃圾邮件过滤了 或许你们之中还有记得 在20世纪初的时候 垃圾邮件过滤器是什么样的 那时的垃圾邮件过滤器的质量是非常差的 事实上 他们都是手工设计的特征 如果邮件中含有某些人， 或者包含某些特定字眼 就判定为垃圾邮件 但是垃圾邮件制作者一直在试图改变邮件的文字 将单词替换成数字 来逃过过滤器的过滤 是什么技术真正地改变了垃圾邮件过滤？ 机器学习 他带来的改变如此之大 以至于我甚至都不需要看我的垃圾邮件目录 如果你的邮件不慎进入我的垃圾邮件目录 那么非常抱歉 我不会打开 这就是分类器 他们把邮件作为输入x 把输入送入分类器 然后预测是否是垃圾邮件 这个分类器在处理垃圾邮件时非常奏效 他不仅仅是看邮件的文字 还会考虑其他特征 比如说 谁发送的邮件 是和你非常亲密的朋友 或者和你一起有度过很多闲暇时光的人 这些人发的邮件不太可能是垃圾邮件 邮件发送者的IP地址 是不是来自常用电脑 等等 有太多的信息可以用来判定 这就是另一个特别有趣并且实用的例子 在计算机视觉领域 我们做了很多的分类 我们输入一副图片 然后识别出图片中的内容 举个例子 这里的输入x是图像的像素点 我们把这个输入送入分类器 然后 我们会预测这个图里的是一只狗吗？ 实际上，这是一只拉布拉多猎犬，金毛猎犬，还是其他种类的狗呢？ 这个实际上是我的狗 一只拉布拉多猎犬 我们在之后的“深度学习”课程部分，将会继续讨论这个例子 这里确实有一个十分有趣的新方法，可以很高准确率地实现这样的分类 你也可以将分类器应用到医疗诊断中去 事实上 这就是你的医生干的事情 获取你的体温信息，或许是查看你的X光片，或者其他的医疗检测结果 然后预测你的身体状况 你是非常健康的 或者是着凉了？ 患了流感？甚至可以预测你是否患了急性肺炎 预测的结果可以用变量y来表示 表示现在患者疾病 最近 关于个人医疗的问题出现了很多新东西 因为现在的医疗诊断不仅仅是基于传统的检测 还要进行个性化的诊断 可以根据特定的DNA序列来进行诊断，无疑是一种有趣并且 是一种生活方式 很多类似这样的东西 或者是比这个例子更实用的 给定了上述的这些检测方法 就可以更好的对我现在的身体状况进行判断 当然现在的一些机器学习中的分类方法 已经越来越深入 甚至可以读懂你的大脑 我去卡内基梅隆时，我的一个叫 ToM Mitchell 的朋友 和他旁边办公室的同事，和我讲述了一个特别令人惊异的事情 我们通过一种叫FMRI的技术，获得你大脑的影像 扫描你的大脑，预测你现在正在阅读的是什么文字 你是在读“Hammer"（锤子）这个单词呢，还是”House"（房子）? 这个分类器读懂了你的大脑 当然 还可以继续做一些其他有趣的事情 比如，你是在看一副锤子的照片，还是一个房子的照片 训练分类器时 用的是你正在阅读“Hammer”（锤子）和"House"（房子）的单词来训练的 这样训练仍然可以读懂你的大脑 知道你现在是在看锤子还是房子的照片 恩，这就是现在 下一代分类器的目标 读懂你的大脑 [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community