機器學習入門 2 定義

從廣義上來說，機器學習是一種賦予機器學習的能力，依此讓它完成直接程式設計無法完成的功能的方法。

但是從實踐的意義來說，機器學習是一種通過利用資料，訓練處模型，再使用模型**的一種方法。

拿國民話題的房子來說，現在我要賣一棟房子，售價多少？房子的面積是100平公尺，**是100萬，120萬還是140萬？

很顯然，我希望獲得房價與面積的某種規律。那麼我該如何獲得這個規律？用報紙或網上的平均資料？參考別人面積相似的？無論哪種，都不靠譜！

我現在希望獲得乙個合理的，並且能夠最大程度地反應面積與房價關係的規律。於是我調查了周邊與我房型類似的一些房子，獲得一組資料。我希望從這組資料中找到面積和**的關係，最終得到我房子的準確售價。

對該規律的尋找，很簡單。擬合出一條直線，讓它「穿過」所有的點，並且與各個點的距離盡可能小。通過這條直線，我獲得了乙個能夠最佳反應房價與面積的規律，如下函式：

房價=面積*a+b

假設a=0.75，b=50，則房價=100*0.75=125萬，這個結果與我前面所列的100萬、120萬、140萬都不一樣。由於這條直線綜合了大部分的情況，因此，從「統計」的角度來說，125萬是個最合理的**。

在求解過程中，透漏出了2個資訊：

1.房價模型是根據擬合的函式型別決定的。如果是直線，那麼擬合出的就是直線方程。如果是其他型別的線，如拋物線，那麼擬合出的就是拋物線方程。機器學習有眾多演算法，一些強力演算法可以擬合出複雜的非線性模型，用來反映一些不是直線所能表達的情況。

2.如果我的資料越多，我的模型就能考慮越多的情況，由此對新情況的**效果可能就更好。這就是機器學習界「資料為王」思想的乙個體現。一般來說（不是絕對），資料越多，最後機器學習生成的模型**的效果就越好。

機器學習的過程：

(1)在計算機儲存歷史的資料；

(2)通過計算機演算法處理資料，即「訓練」，處理的結果就是模型；

(3)使用模型對新資料進行**，即「**」；

「訓練」與「**」是機器學習的兩個過程。「模型」是「訓練」的中間輸出結果。「訓練」產生「模型」，「模型」指導「**」。

人類對「經驗」進行「歸納」，獲得了生活的「規律」。當人們遇到新問題或對未來進行「推測」時，就會利用這些「規律」，為新問題與未來進行「**」。

從上圖可以發現，機器學習中的「訓練」與「**」可以對應到人類的「歸納」和「**」。通過對比，可以發現，機器學習的思想並不複雜，僅僅是對人類在生活中成長的乙個模擬。