狗的品种,我是这样用机器学习轻松将帆船变成赛艇的!,白杨

点击上方重视,All in AI我国
咱们以适当传统的办法球王酥酥教授机器学习:让参与者把一艘实在的女婿丈母娘帆船变成赛艇机器人。

在这篇博客文章中,咱们将分化这一应战,并专心于榜首个子使命:运用机器学习找到帆船比赛中驾驭的最佳航线。

您将学习怎么赢得帆船比赛以及完苏婧荣西决免费阅览成此使命所需的根本的机器学习概念。

从'为什么'开端

问“咱们为什么这样做王德明遗书?”应该是咱们在任何机器学习项目中提出的榜首个问题。许多时分咱们看到项目失利,是由于一个过错的原因开端,所以咱们关于这个新项目首要开端问下:

咱们为什么要制造主动驾驭帆船?

简略答复:它为学习怎么运用机器学习供给了一个绝佳的环境。

这并不是由于人们厌恶了自己驾驭帆船,也不是咱们想用新的智能体系去赢得比赛,而是建议的这个应战有一些要素在内,使得它十分合适学习:

  • 帆船赛其实是一场比赛

这种所谓的“对抗性”设置意味着咱们不只要考虑自己的行为,还要考虑一个或多个对手的行为。这在无形中增加了一层全新的复杂性,然后供给了一个十分具有应战性的学习环境。

  • 环境是实在的

这种设置不是人为的,而是实际的和无情的。有许多要素需求考虑:风、波涛、船独霸群芳的情况等。这些是大多数算法在实际国际中作业时所面对的实际。

  • 常识会更结实

人狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨们一般会在调动起一切的感官的时分学习效果更为明显。乘坐帆船的时分,会影响钱国女到一切人,并供给丰厚的学习经历,这会有助于您更为深化了解这些概念。

在咱们的课程中,咱们选用的办法与大多数其他AI课程不同。咱们不会从根本概念开端,直到咱们处理难题这种办法。咱们将采纳不同的道路,赢得成功。通过不断坚持首要方针(创立自主帆船),您将在整个进程中坚持更多的参与和积极性。

方针

让咱们略微细化一下咱们的方针。创立一艘主动驾驭的帆船听起来比较简单,但可能会涉及到许多的内容。

咱们能够按如下办法界说方针:

为帆船创立一个主动驾驭仪(转向组织),使其能够以比赛的办法参与帆船比赛。

到现在它依然看起来像是一个十分大的难题。一般有助于将问题分化为咱们能够独自处理的较小问题。这样的工作可能会有所协助:

  • 方针1:寻觅最佳驾驭道路,考虑风向和速度
  • 方针2:让船沿着最佳航线飞行
  • 方针3:运用比赛战略,以便咱们能够挑选最大化取胜时机的举动

方针1好像现在看起来愈加实用了。咱们能够提出一些详细的问题:在给定风向和速度的情况下,帆船的最佳航线是什么?

能够提出这样一个问题是很有协助的,接下来咱们一同看下

方针1:找到最佳航线

在咱们女性自能够通过机器学习做些什么之前,咱们首要需求学习一两件关于飞行的常识。这种“范畴常识”关于机器学习项目的成功至关重要。除了过错的动机之外,缺少范畴常识是许多机器学习项目失利的第二个原因。有时分,要么是咱们处理问题的原因错了,要么是咱们处理了过错的问题。

考虑下图1中的情形。假定咱们需求抵达顶部狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨的标志点,风是直接来自上方的古手羽z。依据飞行方面的常识问题,您可能知道:咱们无法直接驶入风中。但假如风来自旁边面,咱们就永久不会会集方针。所以在这两个极点之间存在一个最佳状况。找到这个最优是咱们的方针。

图1:逆风梯(风来自顶部)

风角、风速和船速之间的联系一般由船员用极坐标显现。图2显现了这样一个图的一个比如。

图2:极坐标图

粗黑线表明在某些风角(相关于船)和速度下的船速。针对6,8,10,12和20节的风速制造不同的曲线。船速一般以1节≈1,85kph的结节来丈量。现在变得十分简单阅览船速:10度风在110度风角(答案约为7节)。更重要的是,这个图有助于咱们找到最佳的VMG(见视频:Velocity Made Good)。

粗黑线表明在必定的风角(相关于船)和速度下的船速。风速分别为6、8、10、12和20节时制造了不同的曲线。船的速度一般用绳结来核算,绳结≈每小时1,85公里。现在的船速就很简单阅览了

它变得很简单读的船速说:10节风在110度角(答案是大约7节)。更重要的是,这个图协助咱们找到最优的VMG(拜见视频狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨:Velocity Made Good)。

比较简单吧?咱们不需求机器学习。仅仅咱们没有为每艘船供给这些极坐标图。一般船艇设计师会供给一些理论上的内容,但专业团队需求发明自己的最佳功用。

现在咱们能够将榜首个方针从头界说为更详细的内容:

依据风速和风向,猜测某个方向的船速。

有了这样的模型,咱们能够很简单地猜测最大VMG的进程。现在让咱们持续看看怎么运用机器学习来完成这一方针!

一直紧记方针

在课程中,咱们将运用除主动帆船以外的示例。当咱们介绍新概念时,咱们将运用如下刺进将它们链接到咱们的方针:

方针:寻觅最佳航线

什么是机器学习?

那么,什么是机器学习?让咱们首要界说学习自身。 Google网络界说通知咱们:

学习:通过学习、经历或被教训取得常识或技术

这适用于核算机以及人类。后来咱们的确会看到:人类和核算机其实是以十分类似的办法学习。

在机器中,取得的常识存在于所谓的模型中。该模型在训狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨练阶段学习,稍后将用于在运用程序中履行其终究使命。以猜测为例。

模型:体系的国际观,包括体系学到的东西

机器学习的类型

依据上面的学习界说,机器学习有三大类:

  • 监督学习(正在教授)
  • 强化学习(经历)
  • 无监督学习(学习)

监督学习

现在,这是最常见的机器学习方式。咱们知道成果有必要是什么,通过供给穿越费伦游记好的和坏的数据示例“教训”机器更挨近。

更详细:咱们期望咱们的模型能够将给定输入(一般名为X)转换为特定输出(一般命名为y)。咱们通过输入具有相应输入的输出示例来练习模型,这称为练习集。

图3:输入、输出和模型

界说它的另一种办法是将其写为数学公式:

y = f(X)

这儿f是将输入转换为输出的函数(模型)。

强化学习

这在技术上是一种监督学习方式,但教师不是实在的人类。体系会通过重复实验从其环境中学习。

该模型仍有输入和输出,但咱们没有带示例的练习集。相反,咱们有一个称为奖赏函数的东西,模型企图最大化。

无监督学习

即便没有教师凶恶魔咒,机器也能够学习怎么在收到的数据中找到结构。例如:'clustering'和'dimensionality reduction'。请参阅下面的维数削减示例。体系找到看起来类似的相片示例。

图4:t-SNE降维示例

方针 - 寻觅最佳航线

问题

什么机器学习类型最合适咱们的方针?

答复

咱们有一个标签数据集,所以咱们能够运用监督学习。

问题的类型

在有监督的学权臣之女卫箬衣习中,咱们能够处理两种首要类型的问题。类型取决于所需的输出。

幻想一下,您想要确认某个图画是否包括警卫怪兽布莱克王狗或猫。这将是分类的一个比如。

分类:方针是猜测一个类或类别

另一个比如:假定咱们想依据气候预报和时节来猜测北京的烟雾量。这将是一个回归问题。

回归:单博丽狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨方针是猜测实数

方针 - 寻觅最佳航线

问题

咱们的方针是分类仍是回归类问狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨题?

答复

显然是一个回归问题,由于咱们想要猜测的船速是一个实数。

特征

现在,咱们来看一下机器学习体系的输入数据。模型需求知道咱们想要了解的东西的特点,这些特点称为特性。

咱们以生果为例:生果的分量和色彩都是特征。

图5:橙子和猕猴桃的不同特征

该模型能够运用这些特征来猜测咱们观察到的生果种类。这将是分类。

企图依据分量和色彩猜测直径是一个回归问题。

方针 - 寻觅最佳航线

问题

关于咱们的方针,模型的特征是什么?噶公

答复

风角和风速

练习模型

好的,但咱们怎么从特征到猜测呢?首要,咱们有必要练习咱们的模型。

练习分类模型

让咱们持续水狗的种类,我是这样用机器学习轻松将帆船变成赛艇的!,白杨果的比如,咱们想依据分量和色彩来确认生果的类型。首要,咱们需求将色彩转换为数字。咱们挑选以nm为单位的光波长。绿色变为520nm,橙色为600nm。咱们把两个数字都制造在图表中。

图6:带有数据点的散点图

练习的方针是找到一条分出猕猴桃和橙子的线。该线完全是随机开端的。在每个练习过程中,模型都企图将直线往正确的方向移动一点点。一段时间后,越来越多真绪的生果将终究落在正确的一侧。

图7:对橙子和猕猴桃进行分类

通过5个过程,咱们对成果感到满足。练习中止,咱们现在能够运用咱们全新的练习模型进行猜测。

练习回归模型

这遵从相同的根本原则,现在咱们将依据分量猜测每个橙子的价格。方针是制造一条与咱们用于练习的示例十分匹配的线。

图8:回归模型的示例

练习后,模型给出了给定分量的每个橙子的估量价格。

回到帆船上

那么考虑到风速和风向,咱们怎么运用机器学习模型来猜测某个方向的船速?在咱们开端练习之前,咱们需求数据!

假定您的团队上一年每次飞行时都记录了风速、风向和船速。你遇到了许多不同的气候(和波涛)条件。清理完这些数据后,终究会得到一个带数字的大表。来自该数据帧的随机样本如图9所示。

图9:数据集的随机样本

在这种情况下,b女尊之嫡幼女oat_speed是咱们的方针变量。咱们的输入功用是wind_speed和angle_of_attack。

在咱们的课程中,咱们运用船上搜集的数据来练习机器学习模型。参与者将运用这些猜测来制造他们自己的船的极坐标图。如前所述,这将使船只能够主动驾驭,并在比赛中发挥重要作用。崔和民

然后咱们用帆船将它们挂在水面上测验模型。咱们还与一切参与者进行虚拟比赛,以找出最合适的模型!

总结丝足伊人官网

在这篇博客文章中,您现已发现ypx69了咱们完成自主飞行应战子方针1的办法——找到最佳航线,并学习了一些机器学习的要害概念。

那么子方针2和3呢?子方针1在一篇博客文章中现已涵盖了许多内容,所以请持续重视后续的文章。

编译出品


点击展开全文

上一篇:

下一篇:

相关推荐