机器学习概述（入门介绍版）

针对初学者的机器学习入门概述篇。

我理解的机器学习：是通过一些让计算机可以自动“学习”的算法并从数据中分析获得规律，然后利用规律对新样本进行预测。

所谓学习，是指：系统在不断重复的工作中对本身能力的增强或改进，使得系统在下一次执行相同任务或类似任务（指的是具有相同分布的任务）时，比现在做的更好或效率更高。

人工智能 、机器学习与深度学习的关系？

人工智能 > 机器学习 > 深度学习，机器学习是从人工智能中产生的一个重要学科分支，是实现智能化的关键，而深度学习是机器学习中一个很有名的分支。

为什么机器可以学习？

这里有两个非常重要的基础理论：一个是独立同分布，一个是PCA（概率近似正确）。

机器学习是通过学习已知的数据，去对未知的数据进行预测。（ps：我这里说的机器学习有些偏向针对监督学习了）。那么只要我们能保证训练集的量N足够大，就能保证训练集的错误率与真实的预测错误率是有很大概率接近的。通俗一点，同学你是机器，选择合适的学习方法，通过平日里的不断刷模拟题和历年高考真题，持续学习知识，最终参加今年的高考。最后高考成绩：690，嗯很好，同学你是一个被训练的很好的机器，这次机器学习十分成功。最终高考成绩：250，嗯....同学你这个机器....

即是学习，便学的有好有差。如何让机器学的更好，就是我们需要做好的事情。（ps：就像你学习一下，你现在担任的角色就是你的老妈，如何让你学的更好？）

让机器学习效果更好，我们主要从三个方面考虑：

第一个方面是数据，数据即原始数据，是机器要通过算法找出规律的原始数据，这一部分对于你的机器来说是已知的，如果你的原始数据集都质量很差，在面对未知的数据，你能预测准确吗？显然不能！举个不恰当的例子，你老妈给你买了高考辅导资料，结果是不知名的盗版书，题目质量差的离谱，一堆错误误人子弟，结果你不知道，你拿来训练，写的学的贼认真，你训练这个题目，写完了也训练完了，这个时候你去参加期末考试，结果显然不会出色。这里的高考辅导资料和原始数据集一样的道理。

第二个是合适的模型，即选择一个合适的算法。还是高考辅导资料，什么叫针对与数据集和任务选择合适的模型？意思就是：你现在手头上有你老妈给你买的高考语文诗词，高考数学辅导资料。不合适的算法和模型意思就是，你针对语文诗词资料采取分析理解计算，针对数据高考辅导资料采取死记硬背，把数学题目全部被下来，有用吗，咱也不知道，或许可以试试🤔。真实的做法应该针对不同的数据，不同的任务和目标，选择最合适最好的算法和模型。

第三个是模型的评估和改进。这个也好理解，毕竟谁都知道高考复习中要重视你自己写过的错题，去总结反思，重写错题，人有改进机器也有。这次搭建的模型训练效果，预测效果不好，没关系，我继续评估继续改进我的模型，直到表现很出色。

机器学习推荐书目：

Python机器学习基础教程；机器学习（周志华写的）；统计学习方法（李航写的）；机器学习实战（李锐翻译）

图片如下：