在机器学习的世界里打怪升级——新手村篇

“全文约1000字，阅读时间约3分钟。”

什么是机器学习？

机器学习（Machine Learning），简称ML。它并不是像字面意思所理解的那样，让冷冰冰的机器去学习，或者就是让机器人去学习。

机器学习，从本质上来说，可以理解为算法学习（Algorithm Learning）、模型学习（Model Learning），或者干脆直接叫函数学习（Function Learning）也是可以的。

比如，给你一堆邮件，让你把它们分成垃圾邮件（spam email）和正常邮件。

传统方法会怎么做呢？

我们会找专家来编写相关的规则，满足规则的分成一类，不满足的分成另一类。

但这样做，会有很多缺陷：

遇到复杂的问题，我们就会编写更多的规则，无形中拖慢了效率。

人为编写的规则，总有不完善的地方，经常会有突发的状况无法写进规则。

换成机器学习的方法呢？

它会从已有的邮件中，自动学习到邮件内容和邮件类别的关系。也就是建立一个邮件内容到邮件类别的函数，输入一个邮件的内容，输出该邮件所对应的类别。

而且，已有的邮件数据量越大，函数的输出就越准确，邮件被分错类别的几率就越小。

换句话说，当我们建立了一个模型之后，它就会自动学习并且自我完善。喂给它的东西越多，它吐出来的就越是精华。

机器学习的类别

机器学习主要有这四类：

监督学习、非监督学习、半监督学习和强化学习

这里只介绍前面两个常见的、比较容易理解的类型。

监督学习

监督学习，说明我们的数据集是有“标签”的。

比如上文中的邮件分类，邮件的类别（垃圾邮件/正常邮件）就是一种标签。

再比如我们要根据房屋的面积、房屋数量、房屋位置等因素来预测房屋的价格，那么这个价格也是一种标签的体现。

前者是离散型变量，我们叫做分类；后者是连续型变量，我们叫它回归。

其中的标签可以被看做是一种“监督”行为，因此叫做监督学习。

非监督学习

与监督学习相对的，自然就是非监督学习了。

在非监督学习中，我们只有一堆数据，我们也不知道可以用来干什么，需要让算法自己去学习。

这其中主要有2类任务：

其一是聚类。

我们用某种算法将原有数据分成若干块，每一块内部的相似度是最大的，而每一块之间的相似度是最小的。相当于一种聚合的作用。

其二就是降维。

假设原始数据有很多维度，其中含有一些冗余的维度，或者说我们希望精简一些维度，便于分析。此时，运用降维方法就可以将原来的高维变成低维。

旅程的约定

假设原始的数据有m个实例，n个特征，我们经常用

来表示第m个数据的第n个特征（维度）。

也就是说，上角标代表的是第几行数据（每一行代表一个样本），而下角标表示的是在这个样本中的第几个特征（每一列代表一个特征）。

新手村的任务到这里就结束了，勇士，准备好踏上机器学习的旅程了吗？