從我個(gè)人意愿來說呢，更想跳過這一章節(jié)少态。為什么呢城侧？因?yàn)閷?duì)我自己而言，再重溫機(jī)器學(xué)習(xí)的基本概念彼妻，意義并不大嫌佑，畢竟算法的代碼實(shí)現(xiàn)都在玩了，基本概念也是清楚的澳骤，又不用參加考試歧强，那么就更沒有必要將概念教條式的背下來了。
不過为肮，考慮到學(xué)習(xí)機(jī)器學(xué)習(xí)的還是存在一批“純白”摊册，甚至于是轉(zhuǎn)行過來的，這些概念就有似乎有必要了颊艳。記得前段時(shí)間茅特，我有個(gè)前同事，就報(bào)了一個(gè)人工智能的學(xué)習(xí)班棋枕。她的專業(yè)以及技能偏向白修，應(yīng)屬于廣告營銷領(lǐng)域，但即便是這樣的跨行幅度重斑，也因?yàn)槿斯ぶ悄艿臒衢T而被拉進(jìn)課堂學(xué)習(xí)兵睛，甚至包括編碼部分。對(duì)于她們而言，由于之前沒有接觸過基本的編程知識(shí)祖很，以及人工智能領(lǐng)域的一些專業(yè)基礎(chǔ)知識(shí)笛丙，學(xué)起來就會(huì)很累。
所以呢假颇，我想還是先來說一說基本概念吧胚鸯。
這本書里給了一個(gè)定義，一個(gè)很簡短的定義：機(jī)器學(xué)習(xí)就是把無序的數(shù)據(jù)轉(zhuǎn)換成有用的信息笨鸡。
可以說姜钳，機(jī)器學(xué)習(xí)有很多種不同的定義。吳恩達(dá)的視頻里形耗，就給出了兩個(gè)定義哥桥，我們也一并來看一下：
大家大概看下理解下就行。也就是說趟脂，機(jī)器學(xué)習(xí)是從無序的數(shù)據(jù)中泰讽，通過一定的手段方式，獲取到了有用的信息昔期，而這個(gè)過程又不是跟問題邏輯強(qiáng)相關(guān)的硬編碼已卸，是一種算法，這種算法具備通用性硼一。Tom同學(xué)給出的定義就像說相聲一樣累澡，不過其實(shí)是表達(dá)了機(jī)器學(xué)習(xí)訓(xùn)練及測試驗(yàn)證的整個(gè)過程，用來定義機(jī)器學(xué)習(xí)也無可厚非般贼，但確實(shí)不算是一個(gè)很友好愧哟、一眼就能看懂的定義。
相比之下哼蛆，反而是這本書的定義簡單易懂蕊梧，當(dāng)然也會(huì)忽略掉細(xì)節(jié)。這些細(xì)節(jié)腮介，倒是可以通過后面的學(xué)習(xí)來補(bǔ)全肥矢，所以也不用心急。大概理解了書中的定義叠洗，也已經(jīng)達(dá)到了目的甘改。
機(jī)器學(xué)習(xí)橫跨計(jì)算機(jī)科學(xué)、工程技術(shù)和統(tǒng)計(jì)學(xué)等多個(gè)學(xué)科灭抑，需要多學(xué)科的專業(yè)知識(shí)十艾。其中統(tǒng)計(jì)學(xué)知識(shí)很重要，我們要為各個(gè)具體的問題建立統(tǒng)計(jì)學(xué)模型腾节。要想學(xué)好人工智能忘嫉、機(jī)器學(xué)習(xí)荤牍，就免不了要成為一名通才，啥都要懂一些榄融，因?yàn)檫@門學(xué)科確實(shí)跨度有點(diǎn)大参淫。
機(jī)器學(xué)習(xí)里救湖，又會(huì)涉及到監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)愧杯。監(jiān)督學(xué)習(xí)是你用來訓(xùn)練的樣本，本身是有標(biāo)記（正確答案）可以用來對(duì)比你用模型跑出來的結(jié)果的鞋既。這樣的話力九，就能夠利用這些結(jié)果來校準(zhǔn)模型，并且對(duì)測試數(shù)據(jù)進(jìn)行結(jié)果預(yù)測（預(yù)測結(jié)果可以分為值預(yù)測和分類預(yù)測）邑闺。而非監(jiān)督學(xué)習(xí)跌前，則是數(shù)據(jù)沒有標(biāo)記，你只是從這些數(shù)據(jù)中去識(shí)別出其結(jié)構(gòu)陡舅，從而進(jìn)行分群歸類等抵乓。
一般來說，監(jiān)督學(xué)習(xí)是主要的機(jī)器學(xué)習(xí)任務(wù)靶衍，我們運(yùn)用帶有標(biāo)記的數(shù)據(jù)灾炭，去訓(xùn)練出模型，并對(duì)測試數(shù)據(jù)進(jìn)行預(yù)測颅眶。監(jiān)督學(xué)習(xí)的算法也更多一些蜈出，也不排除是大家的注意力都集中在這塊，導(dǎo)致算法百花齊放吧涛酗。也有大佬們探討過到底監(jiān)督學(xué)習(xí)還是非監(jiān)督學(xué)習(xí)才是人工智能的未來铡原。從直覺上來說，非監(jiān)督學(xué)習(xí)應(yīng)該更像是自然界生物智能的學(xué)習(xí)方法商叹，但就目前而言燕刻，監(jiān)督學(xué)習(xí)的成果會(huì)遠(yuǎn)大于非監(jiān)督學(xué)習(xí)。
其他的幾個(gè)概念：
訓(xùn)練樣本：即用來訓(xùn)練用的數(shù)據(jù)剖笙，含有一系列的屬性值卵洗；
訓(xùn)練集：用于訓(xùn)練機(jī)器學(xué)習(xí)算法的數(shù)據(jù)集合；
目標(biāo)變量：機(jī)器學(xué)習(xí)算法的預(yù)測結(jié)果枯途，也分為標(biāo)稱型和數(shù)值型忌怎，一般標(biāo)稱型是用來分類的，數(shù)值型是用來預(yù)測數(shù)值的酪夷；
特征（屬性）：數(shù)據(jù)里的每一列榴啸，都是一項(xiàng)特征，如鳥的體重晚岭；特征分為兩種值屬性鸥印，一種是數(shù)值型，如體重XX公斤，另一種是標(biāo)稱型库说，就是在有限的集合里選一個(gè)狂鞋，如是否有腳蹼（是，否潜的，二值選擇）骚揍；
測試樣本：是用來評(píng)估算法模型是否真正可用的數(shù)據(jù)，比較測試樣本預(yù)測的目標(biāo)啰挪，變量值與實(shí)際樣本類別之間的差別信不，就可以得出算法的實(shí)際精確度；
機(jī)器學(xué)習(xí)的幾大任務(wù)（其實(shí)前面也已經(jīng)講到了）：
1）回歸：預(yù)測數(shù)值型數(shù)據(jù)亡呵，形成擬合曲線抽活，簡單理解就是生成一個(gè)多項(xiàng)式的擬合，最終是做數(shù)值預(yù)測（如線性回歸）锰什；回歸一般都是監(jiān)督學(xué)習(xí)下硕；
2）分類：預(yù)測標(biāo)稱型數(shù)據(jù)，形成分類汁胆；但很奇怪的是邏輯回歸也帶“回歸”兩個(gè)字梭姓，實(shí)際又屬于分類；分類一般也是監(jiān)督學(xué)習(xí)沦泌；
3）聚類：將數(shù)據(jù)集合分成由類似的對(duì)象組成的多個(gè)類糊昙，算是統(tǒng)計(jì)學(xué)意義上的密度估計(jì)；比如營銷上的客戶畫像分群谢谦，就可以考慮用類似的算法（在沒有標(biāo)記值的情況下對(duì)客戶群體進(jìn)行聚類释牺，再去分析為什么某些客戶會(huì)形成同一分群，尋找其“意義”）回挽；聚類一般是無監(jiān)督學(xué)習(xí)没咙；
如下是書中的一幅圖，包括了常用的算法千劈，可以了解一下：
從上面可以看到祭刚，監(jiān)督學(xué)習(xí)的算法確實(shí)會(huì)多一些。無監(jiān)督學(xué)習(xí)一般提到最多的就是K-均值墙牌。
好了涡驮，基本概念就講到這里。下一章節(jié)喜滨，將講一講開發(fā)機(jī)器學(xué)習(xí)應(yīng)用程序的常用步驟捉捅。
