（《机器学习》完整版系列）1-2 简化现实世界

简化现实世界

我们无法把现实世界告诉“机器”，因为，现实世界具有无限维度和无限细分的。事实上，对于一个具体的任务而言，也没有必要去全面地了解现实世界，因此，我们只需要根据任务本身需要，简化出一个现实世界的模型告诉机器。

去市场“挑西瓜” 就是一个特殊“机器学习”任务：在不切开西瓜的前提下判断西瓜的好坏。

针对这个任务已有很多算法（分类算法），数据工程师首先得去收集数据。 对西瓜本身可以有无数的角度去收集数据：可以切开来观察，也可以不切开来观察，可以用各种仪器，也可以用各种试剂，但任务本身通常对收集数据的角度提出了限制，例如，“买西瓜”这个任务，则可能只需要从色泽、根蒂和敲声三个方面来观察，即将西瓜简化为只具有这三个特征的对象。 而“预测西瓜甜度”的任务可能需要更多角度的信息，如，品种、产地、大小与重量等。 也就是说，对于西瓜而言，人类可能有不用的任务，不同的任务当然需要不同的简化模型，没有必要也不可能有一个“大而全”的西瓜模型。

下面以买西瓜所导出的“机器学习”为例，如图1-1所示，这时西瓜模型被简化为色泽、根蒂和敲声三个特征（亦称为属性），从数学角度则称为它有三个维度。

从西瓜堆里任取一只西瓜，称为取样（或采样），取到的西瓜称为样本。 基于样本和属性的表述就可将图1-1抽象为图1-2。

对样本而言，西瓜是具化的，如，这只西瓜为（色泽为青色、根蒂为蜷缩、敲声为浊响），即属性有具体的值，这些“值”就是数据。 属性与属性值就像数学中变量与变量的取值，故可像数学中一样写成赋值式：（色泽=青色、根蒂=蜷缩、敲声=浊响）。

这只西瓜到底是“好”还是“不好”？切开来看看，发现是“好”，就给这只西瓜打上“是”的标记（属于正类），样本加上其标记称之为样例。

如此这般多次采样，则获得多个样本的数据，为区分不同的样本，就得给样本以编号，现在样本有了编号、有了标记，即形成样例集【西瓜书表1.1】。

本文为原创，您可以：

• 点赞（支持博主）
• 收藏（待以后看）
• 转发（他考研或学习，正需要）
• 评论（或讨论）
• 引用（支持原创）
• 不侵权

上一篇：1-1 机器也学习？
下一篇：1-3 对简化模型数学化