机器学习导论

怎样去学习机器学习

• 从理论出发：学到最后可能出现这么一种情况：学了很多东西，不知道怎么使用。
• 从实践出发：只会调用各种包，成为一个调参者
• 从基础出发：大佬推荐的方法，先掌握机器学习的基础内容，然后在进行更加深入的学习。

什么时候使用机器学习

在回答这个问题之前要先明白什么是机器学习，要想弄明白机器学习要先清楚什么是学习。

• 学习： 简单来讲就是获取技能。怎么样获取呢？通过观察。列如：三岁的小孩子，可以通过观察知道什么是一棵树，还能在下次见到树的时候准确的辨认出来。也就是这么一种关系：观察–>学习–>技能。

• 机器学习：还是以辨认出一棵树为列：怎么样让机器识别出一棵树呢？用传统的编程方法来思考的话，我们要定义什么是一棵树，可能需要一百个甚至更多的规则来进行阐述树的特征。然后通过编程来让计算机进行对树的辨认，这个工作量非常的大，辨认出的结果也不一定准确。我们可以仿照人的学习方式，来让计算机进行学习。我们把树的资料给计算机，让他通过观察这些资料，获得一个技能，让他能够下次在见到新的树时，可以准确的把他给识别出来。也就是这样一种模式：data–>ML–>skill
  

• 哪些情况下可以使用机器学习：

  • 利用一些算法规则建立，建立一个复杂系统：
    • 人们不能通过编程操作一个系统，如火星特测器的导航
    • 人们不能很好定义一个问题的时候，如语音识别

• 机器学习使用的要点：并不是所有的问题都适合机器学习，存在以下三个特征的问题可使用机器学习解决

  • 存在可以被识别的模式
  • 不能用被定义出来的
  • 有大量的数据存在

为什么使用机器学习

传统的方法解决起来非常麻烦的问题，以机器学习的视角可能会变得很容易，还是以辨认出一棵树为列：怎么样让机器识别出一棵树呢？用传统的编程方法来思考的话，我们要定义什么是一棵树，可能需要一百个甚至更多的规则来进行阐述树的特征。然后通过编程来让计算机进行对树的辨认，这个工作量非常的大，辨认出的结果也不一定准确。我们可以仿照人的学习方式，来让计算机进行学习。我们把树的资料给计算机，让他通过观察这些资料，获得一个技能，让他能够下次在见到新的树时，可以准确的把他给识别出来。也就是这样一种模式：data–>ML–>skill

机器学习在不同领域的应用

以衣食住行四个方面为列，以下便是机器学习的模式：

推荐系统也是一个典型的列子：以电影推荐系统为列子

• 给机器资料，不同用户对不同电影的评分
• 我们希望的到：给定一个用户，给他推荐一部新的电影，预测他对这部电影喜好。
• 以我们自身对一部电影的评价为列：
• 我们对一部电影的喜爱程度，可能受到很多因素的影响比如说电影的类型、是否有某个演员等等。一部电影也有这些特质，我们将自己喜欢的特征，和电影的特征进行某种运算，然后得出自己是否喜欢这部电影
• 机器要做的事情是：他有了一部电影，也有这部电影的特征。但是他没有用户的特征，ML要做的就是：从给定的资料出发，根据某个用户的打分数据，得出这个用户的特征，进而得出用户是否会喜欢该电影。

机器学习的一些记号

定义机器学习：

• 根据已知的数据得到一个目标函数：可以很好的反应input与output之间的关系
• 在训练过程中，我们会得到很多的可能目标函数，hypothesis set
• 从hypothesis set中选出一个最接近目标函数的函数：g。找到g的这个过程就是机器学习的过程。