机器学习实战（1）—— 机器学习基础

机器学习实战（1）—— 机器学习基础

老板：小韩啊，来来来！工程是不是写够了啊？

我：（what!!!）emmmm，还行还行。

老板：一看你就是写够了。最近公司要搞机器学习，你带头来学习一下吧！

我：行啊，工程代码我早就不想写了。那就学习一下吧！

老板：好，那就先去看《机器学习》吧！

自己现在是一名大四的学生，准备读研，当然没有工作，老板也是我捏造的。

荒废了大四好久的时间，最近，自己总算是慢慢提起学习的兴趣，开始学习机器学习了。以前从来没有接触过机器学习，所以在学习的初期，自己也向学长学姐请教了一下，于是决定从《机器学习实战》这本书开始入门机器学习。

为什么选择这本书，其实，总体来看，这本书比较基础，适合入门。对于一些数学定理，也就是拿过来用，并不注重这些定理的高深的推导过程。这对我一个数学渣渣来说，正好可以接受。

作为一名标准的理工男，我也算是第一次写文章，可能会有语病问题。有些东西可能写的不好，说的不明白，还望大家见谅。

好了，开篇的废话我也不多说了，直接进入“机器学习”的世界！

1.1 何谓机器学习

除却一些无关紧要的情况，我们很难直接从原始数据本身获得所需信息。

例如，对于垃圾邮件的检测，侦测一个单词是否存在并没有太大的作用，然而当某几个特定单词同时出现时，再辅 以考察邮件长度及其他因素，我们就可以更准确地判定该邮件是否为垃圾邮件。

简单地说，机器学习就是把无序的数据转换成有用的信息，让机器向我们的大脑一样去学习去判断。

其实，书中还有更多的信息去介绍机器学习的背景，因为大部分都是理论套话，这里我就不给大家列出了，有兴趣的可以直接去看《机器学习实战》这本书。

我们接下来直接看一下与机器学习有关的术语。

1.2 关键术语

在踏入任何一个领域之前，我们都有必要去了解该领域所读应的术语，机器学习也不例外。

好了，老板来了。

老板：小韩啊，看的怎么样了？机器学习里面的一些术语明白了吗？？

我：明白了！明白了！So Easy！

老板：hhhh，好。那你给我系统的介绍一下吧。

我：好嘞！（求升职加薪脸）

下面，我们就从一个鸟类分类系统来介绍机器学习中的相关术语。

这类系统非常有趣，通常与机器学习中的专家系统有关。开发出能够识别鸟类的计算机软件，鸟类学者就可以退休了。因为鸟类学者是研究鸟类的专家，因此我们所以说创建的是一个专家系统。

下表是我们用于区分不同鸟类需要使用的四个不同的属性值，我们选用体重、翼展、有无脚蹼以及后背颜色作为评测基准。现实中，你可能会想测量更多的值。通常的做法是测量所有可测属性，而后再挑选出重要部分。下面测量的这四种值称之为特征，也可以称作属性，我们接下来一律将其称为特征。表中的每一行都是一个具有相关特征的实例。

<

	体重（克）	翼展（厘米）	脚蹼	后背颜色