机器学习中的线性和非线性指南
作者:Manuel Brenner
“以眼还眼,以牙还牙。”
Ø塔利奥尼斯法、汉谟拉比法典
著名的莱克斯·塔莱奥尼斯是比例定律。你夺走我的眼睛,我夺走你的眼睛。你拿走我的牙齿,我拿走你的牙齿(作为一名巴比伦牙医一定很艰难)。
法律的制定并不是为了助长暴力;相反,它的目的是限制它。这莱克斯·塔莱奥尼斯 设想了一个法律世界,其中一切都可以用线性方程描述:每项犯罪都会产生与其输入成比例的输出。由于对罪行的惩罚与罪行成正比,因此避免了过度的报复和暴力的爆发,而暴力的爆发导致一切都被摧毁。
除了报应的世界之外,线性在我们对世界的思考中发挥着重要作用:在线性系统中,一切都是可以理解的。没有混乱,没有复杂的数学。所有科学家整天要做的就是解这些方程:
对于每一个动作,都会有一个相等且相反的反应。
Ø牛顿第三运动定律
不幸的是,我们所处的现实与这个线性乌托邦相去甚远。历史上有很多这样的例子:世界以极不相称的方式对小事作出反应:布拉格的“扔窗外事件”引发了三十年代的变革。
关于《机器学习中的线性和非线性指南》的评论
暂无评论
发表评论
摘要
本文讨论了《汉谟拉比法典》中的塔利奥尼斯法原则,强调其目的是建立比例性而不是鼓励暴力。它探讨了线性系统如何通过确保成比例的结果来简化我们对世界的理解,并将其与现实中复杂的、不成比例的响应进行对比,并与决策边界和动态系统等机器学习概念进行比较。