机器学习-1-基本概念

我一直相信，检验学习效果最好的方法是给别人讲，让别人听明白，自己也算是学成了。因此，我打算认认真真写一写关于机器学习的这一系列笔记，一是做个笔记，二是用自己的话把机器学习讲一讲。

机器学习，就是通过利用已有的经验(这里的经验在计算机科学中通常以数据的形式存在)，来改善系统自身的性能。

举个例子，我们想通过训练使自己具备判别西瓜熟生的能力。一开始我们并不会挑哪些是熟的，哪些是生的。我们先记录一个西瓜的特征，比如说颜色深浅，有没有根蒂，响声是沉闷还是清脆等等，然后用刀切开，看看是不是熟的，并做好记录。切了第一个，我们发现原来颜色深的、没有根蒂的、声音沉闷的瓜是熟的，于是我们就知道了原来这样的瓜是熟的。这个过程就是一个学习过程。利用已有的数据，学会了识别什么样的西瓜是熟的好的。

继续我们的西瓜事业。我们发现第二个西瓜是颜色深的、有根蒂的、声音沉闷的，根据从第一个西瓜学到的经验，我们可以判别他不是熟的(颜色深的、没有根蒂的、声音沉闷的)，但是当我们切开以后发现第二个西瓜也是熟的。那么问题就来了，究竟什么样的西瓜是熟的？难道由第一个西瓜判断得到的经验不准？又或者，难道熟的西瓜是颜色深的、声音沉闷的，与有没有根蒂没有任何关系？

带着这些疑问，我们继续重复这一行为：记录西瓜特征，然后切开记录生熟结果。直到重复了一万次，记录了一万个西瓜的特征和切开后的生熟结果，我们对这些数据进行分析，然后进一步调整了自己的认知，进一步得到了关于熟瓜好瓜的判别标准。这一过程就是通过数据训练自己，提升自己判别能力。也许虽然经历了一万个西瓜训练，但是我们也无法能够100%准确判断第一万零一个西瓜的生熟好坏。但是，经过这一万个西瓜的训练后，我们的判别能力肯定比只切开第一个瓜的时候判别能力强，或者说，经过一万个样本的训练，我们判别新西瓜生熟好坏的准确率比最开始提高了很多。

以上例子虽然说的是人学习判断熟瓜好瓜这一技能的过程，但机器学习也是同样的过程。

几个基本术语：

以上学习过程的每个西瓜的记录(包括颜色、有无根蒂、声响等等)叫做一个样本；一万个西瓜整体叫做样本集；每个记录中的每一项（比如颜色）叫做属性；每个属性的值(比如深/浅)叫做属性值；属性的数目(颜色、有无根蒂、声音共3项)叫做维数。

我们关于什么是熟瓜的认知(比如我们认为颜色深的、有根蒂的、声音沉闷的瓜是熟的)叫做模型。

从数据中学得模型的过程称为学习，或训练。

人的一切行为都是有目的的，我们切开一个又一个西瓜，提升了我们的判断能力或判断的准确率，最终的目的是为了更准确地判断下一个西瓜的生与熟。与此类似，机器学习的最终目的是通过大量的训练建立更好的模型，用来很好预测新事物的结果。

我们希望我们的模型，在输入新事物的属性值后，所得到的预测结果与真实结果一致，这是我们的目标。由训练样本的集合所得的模型适用于新事物的能力，我们称之为模型的泛化能力。换句话讲，我们期望我们的模型的泛化能力越强越好。

这里很自然的谈到了机器学习的用途，机器学习与我们的生活密切相关，举几个生活中常见的例子：

1.当我们打开淘宝京东这些购物APP，他们根据我们买东西的历史数据预测我们的喜好，推荐我们感兴趣的商品，以及各种音乐APP根据我们喜好进行的歌单推送等等；

3.自动驾驶，如果把车载传感器作为输入，把方向盘、刹车、油门的控制行为作为输出，那么就可以抽象为一个机器学习问题；

3.在天气预报、能源勘探、环境监测等方面对数据进行分析，提高预报和检测的准确性；在商业营销中对销售数据、客户数据进行分析，优化库存降低成本，进行个性营销等等；

……

现在，我们一方面拥有了大量的数据，另一方面拥有了强大的计算能力，数据背后的价值将是一座金矿，机器学习正是金矿之上所开出的一朵绚烂美丽的花朵。