中国的高考其实就是机器学习模型吧
其他
2018-06-23 08:25:40
阅读次数: 2
高考要求人像机器一样思考
- 模型不需要构建, 原汁原味的’神经网络’模型
- 训练数据集由老师们收集来的历年各省高考真题和答案组成, 但是这点训练数据已经远远不够了, 于是名师们根据已知数据生成相似的模拟题和答案, 逐年累加训练数据集的数据量
- 训练数据由多个维度(数学,语文,英语,物理,化学,生物,政治,历史,地理……)组成
- 模型训练历时3年或以上
- 测试数据集由神秘人士每年提供一份, 要求模型在三天内完成测试输出答案
- 将模型输出的测试答案与神秘人士规定的实际答案进行比对,获得各维度的错误率
- 将所有维度错误率加和, 找出错误率最低的模型, 即为最佳模型
高考不要求人认知边界
- 学生的训练数据和测试数据是由老师们规定好的完全已知环境
- 本质上和围棋的环境没有什么区别, 不存在对边界外数据的获取
- 真实世界的真实数据与学生毫无关系
- 就像自动驾驶一样, 当模型遇到边界外的未知数据时, 一无所措,必须重新训练
学生模型的差异
- 学生获取的训练数据集规模和质量是不同的, 训练数据的好坏是很重要的
- 人的精力和体力好比CPU, 是有差异的
- 人的记忆力好比内存, 也是有差异的
- 这些都决定了模型的质量
假设
- 用机器学习模型完成中国学生的模型训练过程要多久?
- 机器学习模型的错误率和高考状元真实的大脑相比,谁的错误率会更低呢?
转载自blog.csdn.net/wxfghy/article/details/80606353