机器学习数学笔记（入门介绍）

机器学习（入门）

写在最前面的碎碎念

本来只是想写一个贝叶斯的笔记，但是举例子的时候碎碎念了特别多，详细解释了什么是features什么是examples以及为什么我们用features和examples。写着写着，想着，干脆写一个入门级别的介绍吧。

在这里我会写什么时候需要用到机器学习，同时通过一个具体的例子来介绍如何应用机器学习，顺带解释什么是features什么是examples，以及机器学习算法在这之中的作用，这个例子将作为铺垫来讲解下一篇的贝叶斯算法。

什么时候要用机器学习

这个可能是机器学习入门最重要的一点，你在遇到一个问题时首先要考虑，这个问题是不是一定要用机器学习或者深度学习的方法来解决，机器学习的方法是不是必须的。

机器学习的数据要求和结果特性

1. 前期可能需要大量的数据处理，比如人工打标签
2. 结果无法做到百分之百准确

机器学习的通常涉及到大量的数据处理，比如人工打标签，同时由于机器学习的结果是概率性的正确，无法做到百分之百，所以在选择机器学习之前，首先要明确自己能够接受非百分之百的正确和大量的时间以及人力成本。

我为啥要强调这一点，因为我现在的领导就是要求百分之百的正确，并且不愿意给我打标签的数据，同时由于可能加上“人工智能”这个词申请项目更容易，我还非得尝试各种机器学习和深度学习的算法，算法结果不好，还是我没有成果。导致我内心郁闷到只能在网上写文来发泄。

推荐使用机器学习或深度学习算法的场景