数学，逻辑，机器学习的思考

      当数据比较的充分，问题的逻辑依赖于多个变量，且逻辑关系比较的复杂的时候，基于数据构建机器学习算法，将是潜在的有效解决问题的方案。在自己工作的过程中，随着需求的扩展，开始涉及到机器学习算法，本文是自己初入机器领域后的一些思考，记录下来，方便自己迭代思考。

     想象一下使用机器学习的场景，手里有着一堆的数据，目标是通过这个数据找到一个对应，分类问题就是根据数据对应到类别上，回归问题就是根据数据对应到值上。这是你应该明白了，机器学习就是在构建一个函数，这个函数能够实现从数据集合映射到目标集合。对于函数，从我们初中的时候就已经接触，函数的这种映射概念，高中便已经进行了较为深刻的定义和应用。因此从这个角度来讲，机器学习就是构建一个我们很熟悉的概念，函数。其实我们很早就学习相关的知识。还记的开普勒三大定律吗，开普勒的三大定律正是从第谷的观测数据中整理出来，开普勒用了十年的时间，总结出来了三大定律，而后牛顿站在巨人的肩膀上，提出了万有引力定律，一个公式就就将所有的数据涵盖在内。因此，我一直认为，这种数学表述的规律是最简洁，高效，优美的。

    那么当你面对第谷的一堆数据的时候，你去总结规律，构建函数应该怎么做呢？第一步是确定输入输出变量，数据肯定有很多的值，你构建的时候，一般会选择其中的一部分，甚至是最开始的时候可能选择其中的一个。然后你会分析这个变量和输出变量的关系，猜测是正弦，平方，次方，还是反比关系，然后使用数据验证。不断的尝试，猜测，验证，不断的迭代，最终构建出一个正确的函数