（课程笔记）| 林轩田机器学习基石入门（一）

什么是机器学习？为什么我们要学习它？

 

在没有接触它时，我以为仅仅是指那种会动来动去的机器人，在慢慢了解以后我发现它比我想象中复杂很多，但是也有趣有用很多，而且这里真的充满了机遇和挑战。

 

 

那么我们开始学习吧，一起来了解这个神奇的领域吧！

 

我们的课程来源于台湾大学林轩田老师的《机器学习基石》，它的配套教材为《Learning from data》。

 

这门课程是按照讲故事的方式来向大家介绍机器学习，而故事的方式是：

 

“机器什么时候可以学习？”

”为什么机器可以学习？“

“机器要怎样学习？”

“机器怎样可以学得更好？”

 

 

而这一章节中我们主要解决的是第一个问题“机器什么时候可以学习？”

 

首先我们一定很好奇到底什么是机器学习？它和我们人类学习的方式是不是会很像？

 

 

我们小时候第一次有意识在喝热汤的时候，可能会直接食用，但是会立刻被汤烫到而停嘴。而当细心妈妈终于把汤放凉了以后才给你食用时，你又会发现第一口不烫了，这样来多几次你可能会注意到热汤会冒烟，碗会烫，不能马上饮用；温汤没有烟，碗也温温的，喝了很舒服。于是你便学习到了如何不烫到你的嘴巴喝汤。

 

 

人是通过不断经历来观察，然后通过大脑内化，学习到相应技能的。

 

 

 

而对于机器来说，我们的经历和观察就等同于我们给它提供的数据，而内化则是通过机器学习算法来学到“技能”。比如说下列图示房价预测的例子。

 

 

那么对于机器学习来说“技能”代表什么呢？它代表的是对一种表现的提升，比如说上方预测的100w正确率可能只有50%，而你不断训练你的机器模型，让它“经历”更多，改进它的“大脑”，最后预测到120w,发现正确率有75%了，可喜可贺，你的机器模型更好了。

 

 

那么为什么我们要使用机器学习呢？因为有些问题很难有固定的模式来通过编程解决。

 

比如说我们要做一个识别树的程序，你可能开始会想到树有枝干，有叶子，但是你要知道全球有那么多种类的树，枝干歪曲、树叶形状更是千奇百怪，更别提不同光影下树的颜色变化等等了，真是“世界上没有两片叶子是完全一模一样的”，你让开发小哥做一个一个分支来区别枝干、树叶，真是分分钟逼死他的节奏。

 

而这时候机器学习就上场了，它能够通过图像识别来做到这一点。这也说明当有些问题很难被手写程序解决时，机器学习提供给我们另一种思路。

 

 

让我们来看看一些机器学习的例子，比如说火星导航、语音，图像识别、高频交易、顾客分析。我们发现这些都是很难用传统程序解决的。

 

 

所以这也给出了我们机器学习的应用场景：

1、存在隐藏的模式。（如树由枝干叶根等组成）

2、传统程序难以解决或者定义。

3、有相应数据。

 

而最后你会不难发现，数据才是最关键最需要考虑的，所以你想要应用机器学习到你感兴趣的领域上时，先考虑有没有数据（经费）吧。（笑）

 

    关注我们 | 获取系统性学习文章|从零开始