机器学习：介绍及分类 (1)

自己归纳下最近在学的机器学习的知识，主要来源于在coursera上听的机器学习基石这门课，这门课是台湾大学的林轩田老师开的，侧重介绍了机器学习的原理，讲述了什么时候可以使用机器学习，为什么可以使用机器学习，机器可以怎么学习，怎么让机器学的更好，更侧重于理论和思想，学完这门课基本可以跟朋友们扯扯什么是机器学习了，哈哈

本篇博文主要介绍下什么是机器学习，还有常见的几种分类，还比较浅显，不涉及算法，算法的介绍的话等之后写的稍微多点再写吧。

一、机器学习介绍

机器学习涉及的概念和学科特别多，主要是数学和计算机，通过计算机实现由数据推导而来的各种算法，目的就是让机器(计算机)模拟人类的学习行为，获得技能(skill)，帮助进行预测和识别(如识别图像)。一般来说，人通过观察，学习，掌握一项技能。而机器则是通过数据，ML(Machine Learning,在计算机内部叫做演算法Algorithm)，来掌握一项技能(多为预测、识别)。

人的学习基本是每时每刻的，我们的五感每时每刻都在接收着外界的信息，并把这些信息的特征提取出来进行识别，然后分类。就像一个你认识的人突然出现在你面前，你几乎就能马上识别出他是谁谁，这是因为我们的大脑在一瞬间对这个人提取了特征，例如：这是一个人→这是一个男人→这是一个短发的男人→他的脸是XXX，通过对这些特征的提取，使得我们能识别并进行分类。机器目前的识别还无法达到这么快速，不过已经能在某些领域得到很好的应用了，如自动驾驶，便是采用的神经网络，通过传感器传递路上的路标和周围的车辆情况，完成自动驾驶任务。

现在应用比较广泛的主要是人工智能，数据挖掘等。关于数据挖掘，还是有点小小的区别，机器学习的目的是通过学习获得某项技能，这项技能本来就是用来决策某些事情，而数据挖掘则是从历史数据中发现“有趣”的东西(KDD:knowledge discovery of dataset,知识发现)，这项东西可以帮助人们进行更好的决策。

 

之所以需要机器学习的原因：

1、数据量庞大，且人无法获取

2、人的处理无法满足需求或者需要定义的规则太多。

 

关于第二点，举个通俗的例子。例如：一张图片，要判断这是不是一张含树的图片，如果要通过定义来让机器识别，恐怕要几百个定义还未必能让机器正确识别，所以就需要用到机器学习。设定一个初始值，让机器通过演算来最终获得这项识别的技能。

 

那要使用机器学习一般要满足什么条件？如下：

1、要有数据，没有数据学个蛋蛋。