machine learning 学习笔记<一>

了解认知机器学习

声明：
　　此学习笔记为个人学习台湾大学林轩田老师的公开课—–机器学习后的心得和理解，对于这么大一个方向每个人都有每个人的想法和看法，本人才疏学浅，如有理解不到位的地方还请大家多多指正。

一.概述
　　首先，为了理解机器学习（ML）是一个什么样的过程，我们可以从自己比较熟悉的“学习”这一概念入手。每个年龄段的人无时无刻都在学习，都在或多或少的改变自己对事物的看法。就拿三岁的小孩来说吧，他们或者通过自己对事物的观察，自己产生对某种事物的认识，或者是通过父母的引导来获取某种认识……
所以，学习的过程就是通过自身对事物的观察认识得到某种知识技能的过程。那这个过程对于机器来说是怎样的呢？
　　想要让机器和人一样具有学习能力，而机器（通常指的电脑）最直接接触到的是数据，所以机器学习的过程就是机器通过对某些人为给定的一些数据进行分析从中获取一些规律和知识的过程。而机器学习的输入数据和输出的到底是什么呢？我们来看一个例子，如下：

　　我们看到这张图后很自然的想到它是一棵树，我们人自身其实就很像一个机器，这张图片就是输入的数据，而输出的数据信息就是这是一个判别信息即这是一棵大树。当然，机器的学习过程也和我们类似，也需要通过大量的数据才能学到其中的规律，获得一定的认知。那讲了半天，机器学习到底有什么用呢?让机器去学习，学到的东西还是为我们自己所用的。机器学习的用途还是很广泛的，比如：当我们要从几支股票中选择一个，这个时候可以利用计算机根据以往几年的数据去分析选择哪一支有利，我们人为是没这么快去做出这个相对准确的决定的。再比如当我们要进行一些语音识别时，我们人的辨别精度是有限的，但是计算机就可以进行高精度的语音辨别。当然，不管是辨别还是选择，这个过程都要依据一定的规则，这个规则就是我们机器所要学习的。
　　当然，机器学习也需要一定的条件的。首先，要学习的这个因和果之间要的确存在一定的规律，要有东西可学，比如：让我们预测一个三岁小孩什么时候会哭，这个就是没有必然的因果关系的，没法用机器学习。其次，我们要学的东西是隐藏在数据中的，而不是一眼就能看穿的，很简单的规律。过于简单的规律就没必要用机器学习了。最后也是最重要的，要有充足的数据，不论分析股票也好，辨析语音也好，都需要有充足的样本，这样机器才有学习的内容。
　　接下来以一个简单的框图说明机器学习的大致过程，如图所示，训练数据是我们已有的，机器学习输出的是对一个问题决定的结果，就拿判别一个事物是不是树这个例子来说，输出就两个是或否。中间红色的部分就是我们的机器学习模型包括学习算法和期望的输出序列hypothesis set，最后的结果就是机器根据学习到的特征在hypothesis set中选择一个机器自认为最好的结果。