机器学习入门

第一章

故事背景：

王后问魔镜谁是世界上最美丽的人，魔镜（可以认为是机器、计算机）并不知道什么是美丽，所以要让魔镜评判一个人的美丽程度，得要让它进行学习。
如何让魔镜学习预测出一个人的美丽程度？那就需要让魔镜知道一个人的美丽与哪些因素有关，以及美丽与这些因素的关系是什么？

由此王后开始在全国范围内搜索所有女性的具体特征，比如年龄、皮肤、发型等等因素，并且要将这些特征转换成具体数值才可以被魔镜识别。

机器学习、特征、特征量

1. 机器学习：
   （1）机器学习就是向计算机中输入各种数据，利用计算机已有的命令（计算机程序）去完成各种计算和分析判断。即：从数据中学习。（通过对各种信息的汇总与分析，达到预测未来或者对未见事物进行推测的目的。）
   （2）联系到本书的情节就是通过大量的人关于美丽的数据，教会魔镜判别或者预测一个人的美丽程度。
2. 特征：影响一个人美丽与否的因素，就叫做特征。比如，年龄、皮肤、发型、眼睛大小等等；
3. 特征量：每一个人的年龄，眼睛大小等。这是一个具体的数值，因为将特征进行数值化才可以被计算机所理解，并且知道和美丽的关系。比如，年龄越大，一般就越不美丽。

第二章

故事背景：

收到王后的命令，士兵们奉命在各地统计“美丽”。由于要让魔镜理解“美丽”，就需要用到机器学习这门技术，即可以从大量数据中提取出某些规律。换句话说，就是寻找这些数据中隐藏着的某些内在联系。
经过士兵们的努力，王后已经搜集到各地美女的各种与“美丽”有关的特征量，以及也针对是否美丽进行全国性的投票，得到了大量数据。
接下来，需要将这些数据输入到魔镜（计算机），即告诉魔镜这些特征量的数值分别都是多少。

这里的数据输入方式有问题，应该一个人一个人地分开说。即说完第一个人的所有特征量的数值之后，提醒魔镜后面的是另一个人的数据。然后魔镜（计算机）可以通过“魔法”（应该是库、程序之类）将每一个人的特征量总结成特征向量。一个向量就是一个人的各种特征量数据的集合。


有了每一个人的特征向量后，还需要王后输入这些数据的美丽与否的输出结果，因为魔镜需要在输入的数据（特征向量）与输出结果（是否美丽）之间构建一个函数模型，这样就可以实现我往魔镜输入一个其他人的特征向量，魔镜就可以计算出这个人的美丽程度，并进行输出。

如何建立这个函数模型呢？前面收集了这么多数据也是为了这个目的。因为一开始魔镜并不知道准确的计算美丽程度的函数模型，所以首先要建立一个近似的函数模型。然后通过与数据（包括特征向量的输入和是否美丽的输出结果）的不断拟合，对这个美丽程度函数进行微调。我们本来并不知道这个函数的样子，不过可以通过大量的数据来得到函数，这一过程叫做回归。

简单描述关于回归问题：
1.一开始我们获得了一些数据：

2.通过这些数据进行猜测，随意画一条直线，然后发现为了拟合这数据点，需要不断调整

3.通过调整直线的斜率和截距，可以得到一个近似模型，直线和数据几乎没有偏差：

特征向量、回归、正问题和逆问题

特征向量：将特征量集中在一起表示出来，就是特征向量。
回归：我们开始的时候并不知道准确的函数模型，因此首先要建立一个近似的函数模型(通过猜测)
→ 然后通过与数据(包括输入与输出)的不断拟合，对函数进行微调。
正问题和逆问题：如果给定了函数（包裹函数中的参数），有了输入救恩那个求输出，这就被称作正问题，即求解y = f（x）中的函数值y。反过来，现在有了输入和输出，反之需要求对应的函数关系，则被称为逆问题，即已知x和y，反过来推导出y = f（x）中的f。