第一讲 ①：What is Machine Learning

本文为Coursera《机器学习基石》课程笔记，传送门：https://class.coursera.org/ntumlone-003/lecture

什么是机器学习

学习是从观察触发，听觉是一种观察，视觉是一种观察，也许甚至有更多例例如嗅觉或触觉都是一种观察，从这些观察出发，然后经过我们脑袋的内化转化的过程，最后变成有用的技巧和技能。这就是一个学习的过程。机器学习就是用电脑来模拟这样一个过程。

电脑的观察是什么？ 我们喂给电脑的数据、电脑自己获取的数据。这些成为数据。电脑对这些数据进行计算，对应人脑的内化学习，然后得到有用的技巧。机器学习说穿了就是模仿人脑学习的过程。

技巧是什么？ 技巧就是增进某一种东西的表现。比如数学变好，能解更难的题；预测股票更好，能靠股票赚更多钱。

所以，通俗的讲，机器学习的过程就是从数据出发，经过电脑的计算之后，最终得到某一种表现的增强（这个增强也是和组合规则最大的区别）。

为什么要用机器学习

如何辨认一棵树？

• 古老的方法：一排规则（但这并不容易，无法写全写对）
• 人的方法：我们是怎么样辨认一颗树的？是100条规则一条条判断吗？不是，是通过大量的观察，通过爸爸妈妈教我们这是一棵树那不是一棵树，我们自然就学会怎么样是一棵树怎么样不是一棵树
• 机器学习的方法：学习人的方法，让机器自己分析数据，自己学会如何去辨认

有用的场景

1. 不知道有什么规则。把机器人送上火星前，我们不知道火星上都有什么状况，不可能该提前写好1000条2000条规则来告诉机器人碰到不同的规则该怎么做。有一大部分势必需要机器人上了火星之后再决定做什么，需要机器人透过学习，透过跟环境的互动来达到更好的表现
2. 不容易写出规则。辨识声音、辨识图像，不容易写出规则，利用大量的数据，机器能学到如何去辨识
3. 人想都没想过的。比如股票的超短线交易。5到10秒的买卖，人完全没想过这样做，但是电脑可以通过分析过去10到20年的股票数据，来预测是买入还是卖出
4. 个性化服务。人不可能相处千万用户每个人的喜好，但机器可以分析每个人的行为经历，甚至可以联合上千万的用户数据分析，来生成个性化服务
5. ...

机器学习的三个关键

1. 某一种表现能够增进，即具有某一种潜藏的模式、规则是可以学习的
2. 我们知道有潜藏的模式、规则，但我们不知道具体是什么样的模式、规则
3. 必须要有能学习的资料

小测试：下面哪项适用机器学习

1. 预测小女孩在偶数还是奇数的分钟哭
2. 判断给定的数组中是否有素数
3. 银行判断要不要给一个客户开信用卡，开多少额度
4. 地球会不会因为使用核能而毁灭

答案：3，1明显没有潜藏的模式、规则；2有明显、可以写出的规则；4没有数据可以学习，地球还没毁灭过；3具有潜藏的模式、规则且不容易描述，并有大量历史数据可以学习