机器学习总结

机器学习能做什么？

聊天机器人、人脸识别、自动驾驶以及所有大型电商的精准推荐系统背后都是机器学习。

机器学习能通过文章“点赞”量和“朋友在看”量估算出阅读量；

机器学习能在公众号自动根据不同类型回复留言，过滤恶意评论；

机器学习能在网络电商找到我们最需要关注的那些高价值用户...

什么是机器学习?

机器学习之父 Arthur Samuel 对机器学习的定义是：

在没有明确设置的情况下，使计算机具有学习能力的研究领域。

国际机器学习大会的创始人之一 Tom Mitchell 对机器学习的定义是：

计算机程序从经验 E 中学习，解决某一任务 T，进行某一性能度量 P，通过 P 测定在 T 上的表现因经验 E 而提高。

通俗来讲

 你周六约了小芳，小丽逛街，小芳先来了，小丽没来。你想打电话叫小丽过来。小芳说：“你别打电话啦，小芳昨天跟对象吵架了，她负责的项目在生产环境出大问题了，再加上她家人生病了，她肯定没心情来。”

我们是根据大脑推理出小丽大概率是不会来了，但计算机是怎么得到这样的结论的呢？

而机器学习的厉害之处就在于，它能利用计算机的运算能力，从大量的数据中发现一个“函数”或“模型”，并通过它来模拟现实世界事物间的关系，从而实现预测、判断等目的。这个过程的关键是建立一个合适的模型，并能主动地根据这个模型进行“推理”，而这个建模的过程就是机器的“学习”过程。

机器学习和传统程序的区别

传统程序是程序员把已知的规则定义好后输入给机器的，而机器学习则从已知数据中，通过不断试错、自我优化、自身总结，归纳出规则来。

传统程序：数据+规则-->答案

机器学习：数据+答案-->规则

机器学习的本质特征，就是从数据中发现规则。

虽然机器最终能主动地去预测，但在此之前，机器具体选什么模型、如何训练、怎么调参，这些都需要我们去干预和指导。

传统程序是程序员来定义函数，而在机器学习中是机器训练出函数。

机器学习的数据集是什么？

以刚刚逛街的例子解释，

建立函数：“小丽会不会来”

自变量x1：与对象感情状况

自变量x2：项目上线结果

自变量x3：家人身体情况

因变量y：是否来逛街

在机器学习汇中，自变量x是特征（feature），因变量y是标签（label）。而一批历史特征和一批历史标签的集合，就是机器学习的数据集。

机器学习的训练（拟合）

在已知数据集的基础上，通过反复的计算，选择最贴切的函数去描述数据集中自变量 x1, x2, x3, …, xn 和因变量 y 之间的因果关系。

训练数据集（training dataset）：最初用来训练的数据集。

验证数据集（validation dataset）：当机器通过训练找到了一个函数，我们还需要验证和评估，也就是说，这时候我们要给机器另一批同类数据特征，看机器能不能用这个函数推出这批数据的标签。这一过程就是在验证模型是否能够被推广、泛化，而此时我们用到的数据集，就叫验证数据集。

测试数据集（test dataset）：如果这个函数通过了评估，那就可以在测试数据集（test dataset）上做最终的测试；如果通过不了，就需要继续找新的模型。

因为机器必须根据已有的数据来找到特征和标签之间的关系，所以标签似乎对于机器学习模型有很重要的指导性意义。

那么，机器在训练过程中一定要有标签吗？==》不一定

具体我们可以分三种情况来看：

监督学习（supervised learning）：训练数据集全部有标签

无监督学习（unsupervised learning）：训练数据集没有标签

半监督学习（semi-supervised learning）：在训练数据集中，有的数据有标签，有的数据没有标签

目前，监督学习是应用最广泛的主流机器学习算法，

什么是监督学习

重点关注的是监督学习问题的分类。因为，明确要解决的问题是机器学习项目的第一步，也是非常重要的一步。如果我们不了解问题的类型，就无法选择合适的算法。

根据标签的特点，监督学习可以被分为两类：回归问题和分类问题。

【持续更新中】