机器如何学会判断是非

机器学习，顾名思义就是让机器像人一样学会学习，但如何实现呢？早年间，这看上去似乎是一个不可能事情，但在今天，无人驾驶、语音识别，越来越多的事实正在告诉我们，一个AI时代正在到来。

定义问题

很小的时候，我们便学会了如何判断，判断这个是花那个是草，那个是树，可是如何让机器才能学会判断？我们先从简单开始，先来判断是还是不是。

比如这里有一张图片，她是不是树呢？对于人类而言就很简单，但是对于机器不然，我们首先需要将它转化成机器可以理解的语言。

所以第一步就是将这样一个现实问题，抽象成一个数学问题。

这里我们定义两个变量，一个是输入x，另一个是输出y,这里的x就类似于这张图片，奖他输给计算机，而y，就是最终得到的结果，判断这是否是一棵树。

x和y之间有一定的关系,但这个关系是未知的，这里我们用f来代表它们之间的真实关系。

判断是还是不是这实际上是一个二分类问题，就像我这里有一堆的资料，我要把它分成两类，一类是好的一类是不好的，但什么样的资料是好的，什么样的是不好的，肯定是有一定分类方法，但短时间可能我们很难判断，而且资料工很多工作量很大，所以这个时候我们就希望通过机器，来帮助我们寻找规律，这里我们把通过机器找出来的规律称作g。

提出假说

我们希望我们得到的g，跟真实的f是相等的,或者是近似相等。可是f是未知的，如果f已知，那我们就不需要再做机器学习。但我们也不能就此放弃，在面对未知的问题的时候，我们首先可以思考一下，我们知道些什么？

目前我们唯一知道的就是，我们获得的这些资料是来自于f的，那我们能不能先假设，在这些已经获得的资料上，我们的g，是等于f呢?数学表达就是g(x)=f(x)=y

为了方便说明我们这里先从最简单的说起。如图所示：

我们获得了这些资料，就像图中的这些随机的点，我们假设，这些点是线性可分的。也就是说我能找到一根线，正好将这些随机的点分成两类。可是在这样的二维平面里，我们可以找到无数根线，究竟哪一根才是真正的那根线呢？

尝试与修正

一次试验就成功是很需要运气的，但掌握一定的方法，然后不断尝试，总会有找到最佳方案。

按照这种思路，我们首先在这无数条线中随机选择一条线，它可能并不能很好的分类，但我们可以找到一个被错分的点，然后计算它距离这根线的距离，近而调整距离，剩下的就是不断重复和迭代，总会找到一条还不错的线。

总结

第一，定义问题，将复杂的现实问题抽象为数学问题，这一步很关键也很难。

第二，提出假设，尝试在已经获得的资料上去寻找规律，验证假设。

第三，试错验证，找到相对最好的解释。

虽然我们谈论的是机器的学习，但这也是我们自己的学习方式，一开始总会犯错，通过学习、经历不断修正，总会成为更好的自己，先完成，再完美。