什么是机器学习

广州的天气总是阴晴不定，经常上午阳光灿烂，下午突然乌云密布，狂风乱作，然后就是倾盆大雨。每次看见乌云和大风，人们就知道要下大雨了。为什么我们看见乌云感受到大风，就知道要下雨了呢？我们能做出这些有效的预判，是因为我们已经积累了许多经验，而通过对经验的利用，就能对新情况做出有效预测。那么，这样利用经验做出判断的工作，计算机能够实现吗？

机器学习正是这样一门学科，计算机中，经验通常以数据的形式存在，机器学习所研究的内容，是关于在计算机上从数据中产生模型的算法，也就是学习算法（名词）。我们把经验数据提供给学习算法，它就能根据这些数据产生模型，在面对新的情况时，模型会给我们提供相应的判断。

基本术语（以判断天气情况为例）：

数据集：一组记录合集，一个记录为一个样本。

样本：数据集中的一条记录。是对一个事件或对象的描述。如：（刮风 = 是； 温度 = 25； 湿度 = 99）

属性或特征：反映事件或对象在某方面的表现或性质。如：刮风、温度、湿度。

属性值：属性的取值。

样本空间：如果我们把上述三个属性作为三个坐标轴，则他们形成一个用于描述天气的三维空间，每一个天气描述都可以在这个空间中找到自己的坐标。

特征向量：在样本空间中的每一个点对应一个坐标向量，因此一个样本也叫做特征向量。上述例子的样本维度是3（3个属性），因此是一个三维向量。

训练集：作为经验提供给学习算法的数据集。

训练样本：训练集中的记录，包含结果信息。如：（（刮风 = 是； 温度 = 25； 湿度 = 99），雨天）

测试集：新的需要判断类别的数据集，用于测试产生的模型是否准确。

测试样本：用于被预测结果的样本。

机器学习有两类：分类和回归。分类的结果是离散值，例如天气情况：晴天、雨天、多云。离散的预测结果是连续值，例如下雨的概率：0.95、0.88、0.24 。

根据训练数据集是否有标记信息，学习任务分为监督学习和无监督学习。分类和回归都属于监督学习，根据已有的例子（知道什么情况是雨天什么情况是晴天），来对新的样本做出判断。无监督学习的代表是聚类，所谓聚类是指：并不知道训练集的具体类别结果信息，但是可以根据样本在样本空间中的坐标位置，把他们分成几个组（通常是根据距离划分），这些自动形成的组对应一些潜在概念的划分。也就是说，分出来的组你可能并不知道它究竟是什么类别，但是这些样本具有某些共同特征。

影响预测准确度的因素有：是否采用了正确的学习算法，训练集样本选择是否合理，用于预测的属性特征是否合理。一般来说，训练样本集要符合现实情况的规律，即和测试样本集最好同分布。

最后，推荐一下一本不错的机器学习书籍，南大周志华写的《机器学习》，很适合入门学习。自己目前也是刚刚开始学习机器学习~用的就是这本教材。吴恩达以前在Standford的机器学习公开课也很不错~

以上 欢迎指正错误 共同学习