隨著數(shù)據(jù)科學(xué)在人工智能發(fā)展中大放異彩脚线，數(shù)據(jù)挖掘搁胆、機(jī)器學(xué)習(xí)進(jìn)入了越來越多人的視野。而對(duì)于很多人來說殉挽，諸如機(jī)器學(xué)習(xí)之類的名次聽起來是神乎其技丰涉，但其真正的內(nèi)涵卻不為一般人所知。
作者 | DataCastle數(shù)據(jù)城堡
編輯 | 數(shù)小妹
特別是對(duì)于從事數(shù)據(jù)科學(xué)領(lǐng)域的人來說斯碌，如何向外行人解釋自己所從事的工作幾乎是一個(gè)超級(jí)難題。那么到底什么是機(jī)器學(xué)習(xí)肛度，如何用通俗易懂的語言來解釋傻唾？我們通過以下幾重境界來解釋。
百科定義+專業(yè)術(shù)語冠骄，讓人聽起來不明覺厲，實(shí)則一臉懵逼加袋。
機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科凛辣，涉及概率論、統(tǒng)計(jì)學(xué)职烧、逼近論扁誓、凸分析、算法復(fù)雜度理論等多門學(xué)科蚀之。專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為蝗敢，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能足删。
它是人工智能的核心寿谴，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域失受，它主要使用歸納讶泰、綜合而不是演繹咏瑟。
機(jī)器學(xué)習(xí)已經(jīng)有了十分廣泛的應(yīng)用，例如：數(shù)據(jù)挖掘痪署、計(jì)算機(jī)視覺码泞、自然語言處理、生物特征識(shí)別惠桃、搜索引擎浦夷、醫(yī)學(xué)診斷、檢測(cè)信用卡欺詐辜王、證券市場(chǎng)分析劈狐、DNA序列測(cè)序、語音和手寫識(shí)別呐馆、戰(zhàn)略游戲和機(jī)器人運(yùn)用肥缔。
機(jī)器學(xué)習(xí)從本質(zhì)上來說是一種學(xué)習(xí)結(jié)構(gòu)， 整個(gè)結(jié)構(gòu)包括環(huán)境汹来、知識(shí)庫和執(zhí)行三個(gè)部分续膳。 在整個(gè)過程中，環(huán)境向系統(tǒng)提供信息收班，系統(tǒng)利用這些信息修改知識(shí)庫坟岔，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識(shí)庫完成任務(wù)摔桦，同時(shí)把獲得的信息反饋給學(xué)習(xí)部分社付，從而繼續(xù)改進(jìn)知識(shí)庫。
在具體的應(yīng)用中邻耕，環(huán)境鸥咖、知識(shí)和執(zhí)行部分決定了具體的工作內(nèi)容，學(xué)習(xí)部分所需要解決的問題完全由上述三部分確定兄世。 簡(jiǎn)單來說啼辣，機(jī)器學(xué)習(xí)就是計(jì)算機(jī)利用已有的數(shù)據(jù)，得出了某種模型御滩，并利用此模型預(yù)測(cè)未來的一種方法鸥拧， 這與人腦的思考方式非常類似。
以某種機(jī)器學(xué)習(xí)具體的案例來說明住涉，讓人恍然大悟。
一開始我們先來看一個(gè)人為設(shè)計(jì)的場(chǎng)景钠绍。假設(shè)一個(gè)房間里神奇地漂浮著無數(shù)個(gè)小球舆声。我們想搞清楚這些小球停留的位置是否存在著一種特定的結(jié)構(gòu)。比方說，小球是不是更易集中在某一特定區(qū)域媳握？是不是故意避開某些點(diǎn)位碱屁？它們是均勻分布于整個(gè)空間嗎？
但是房間一片漆黑蛾找，我們什么也看不見娩脾。于是我們找來了一部帶閃光燈的照相機(jī)，想把漂浮在整個(gè)房間的小球都拍下來打毛。照片猶如下圖一樣：
就算小球的位置之間確實(shí)存在某種聯(lián)系柿赊，從這張照片上我們也看不出個(gè)所以然』猛鳎看上去小球就像是均勻分布的一樣碰声。所以我們嘗試著換了下位置，從新的角度拍下了第二張照片熬甫。
照片上的小球看起來還是隨機(jī)分布的胰挑，沒有任何規(guī)律。讓我們換個(gè)高點(diǎn)的角度試試看椿肩。
呃瞻颂，還是看不出有什么規(guī)律來。那我們最后再換個(gè)低點(diǎn)的角度試一次郑象。
啊哈贡这，這次有點(diǎn)意思了：看起來小球集中分布在靠近屋頂和地面的兩個(gè)區(qū)域，中間這段沒有一個(gè)小球厂榛。因此藕坯，為了發(fā)現(xiàn)這個(gè)規(guī)律，我們?cè)谂恼諘r(shí)就必須找到一個(gè)“好”的角度噪沙。如果角度不對(duì)，那我們永遠(yuǎn)都不可能找出任何規(guī)律吐根。
在上面這個(gè)例子中正歼，我們想說的其實(shí)是三維數(shù)據(jù)點(diǎn)。每個(gè)小球的位置都可以由3個(gè)數(shù)字來表示拷橘，每個(gè)數(shù)字分別代表它在XYZ三條軸上的位置局义。在實(shí)際的電腦運(yùn)算中，數(shù)據(jù)點(diǎn)的位置會(huì)由更多的數(shù)字組合來表示冗疮。
比如醫(yī)院病人的病歷可能會(huì)包含500組數(shù)字萄唇，包括他的生日年月日、身高术幔、體重另萤、血壓、最近一次的看病記錄、膽固醇指標(biāo)等等四敞。我們會(huì)想要搞清楚不同病人的數(shù)據(jù)點(diǎn)之間是否存在某種規(guī)律泛源，如心臟病人的數(shù)據(jù)點(diǎn)是否會(huì)集中分布？如果數(shù)據(jù)點(diǎn)確實(shí)會(huì)集中分布忿危，當(dāng)我們發(fā)現(xiàn)新入院病人的數(shù)據(jù)點(diǎn)也出現(xiàn)同樣的趨勢(shì)時(shí)达箍，我們就可以推斷這位病人很可能犯心臟病。當(dāng)然铺厨，實(shí)際操作起來肯定不會(huì)如此簡(jiǎn)單缎玫。
一個(gè)人是不可能用肉眼看到這些數(shù)據(jù)點(diǎn)的。人怎么可能分得清500個(gè)維度呢解滓？就像在上面那個(gè)例子中赃磨，沒有人能看得清“黑屋”中小球，我們也同樣看不見500個(gè)維度中的那些數(shù)據(jù)點(diǎn)伐蒂。我們可以用二維圖片來展示位于三維空間中的數(shù)據(jù)點(diǎn)煞躬，用同樣的方法，我們也可以更低維度的“照片”來表現(xiàn)擁有500個(gè)維度的數(shù)據(jù)點(diǎn)逸邦。
只有從合適的“角度”拍下“照片”恩沛，我們才可以從中找出不同數(shù)據(jù)點(diǎn)之間的規(guī)律，不然將很難有所發(fā)現(xiàn)缕减。這就是人們所說的如何從“大數(shù)據(jù)”中“發(fā)現(xiàn)見解”雷客。
這樣來說搅裙，你家寵物應(yīng)該都可以聽明白了。
買點(diǎn)芒果去
假設(shè)有一天你準(zhǔn)備去買點(diǎn)芒果裹芝。有個(gè)小販擺放了一車部逮。你可以一個(gè)一個(gè)挑，然后小販根據(jù)你挑的芒果的斤兩來算錢（在印度的典型情況）嫂易。顯然兄朋，你想挑最甜最熟的芒果對(duì)吧（因?yàn)樾∝準(zhǔn)前疵⒐闹亓縼硭沐X，而不是按芒果的品質(zhì)來算錢的）怜械÷停可是你準(zhǔn)備怎么挑呢？
你記得奶奶和你說過缕允， 嫩黃的芒果比暗黃的甜峡扩。 所以你有了一個(gè)簡(jiǎn)單的判斷標(biāo)準(zhǔn)：只挑嫩黃的芒果。你檢查各個(gè)芒果的顏色障本， 挑了些嫩黃的教届，買單，走人，爽不巍佑？
可事實(shí)沒那么簡(jiǎn)單茴迁。
生活是很復(fù)雜的
你回到家，開始慢慢品嘗你的芒果萤衰。你發(fā)現(xiàn)有一些芒果沒有想的那么甜堕义。你焦慮了。顯然脆栋，奶奶的智慧不夠啊倦卖。挑芒果可不是看看顏色那么簡(jiǎn)答的。
經(jīng)過深思熟慮（并且嘗了各種不同類型的芒果）椿争， 你發(fā)現(xiàn)那些大個(gè)兒的怕膛，嫩黃的芒果絕對(duì)是甜的，而小個(gè)兒秦踪，嫩黃的芒果褐捻，只有一半的時(shí)候是甜的（比如你買了100個(gè)嫩黃的芒果，50個(gè)比較大椅邓，50個(gè)比較小柠逞， 那么你會(huì)發(fā)現(xiàn)50個(gè)大個(gè)兒的芒果是甜的，而50個(gè)小個(gè)兒的芒果景馁，平均只有25個(gè)是甜的）板壮。
你對(duì)自己的發(fā)現(xiàn)非常開心，下次去買芒果的時(shí)候你就將這些規(guī)則牢牢的記在心里合住。但是下次再來到市集的時(shí)候绰精，你發(fā)現(xiàn)你最喜歡的那家芒果攤搬出了鎮(zhèn)子。于 是你決定從其它賣芒果的小販那里購買芒果透葛，但是這位小販的芒果和之前那位產(chǎn)地不同”渴梗現(xiàn)在，你突然發(fā)現(xiàn)你之前學(xué)到的挑芒果辦法（大個(gè)兒的嫩黃的芒果最甜）又 行不通了僚害。你得從頭再學(xué)過阱表。你在那位小販那里，品嘗了各類芒果贡珊，你發(fā)現(xiàn)在這里，小個(gè)兒涉馁、暗黃的芒果其實(shí)才是最甜的门岔。
沒多久，你在其它城市的遠(yuǎn)房表妹來看你烤送。你準(zhǔn)備好好請(qǐng)她吃頓芒果寒随。但是她說芒果甜不甜無所謂，她要的芒果一定要是最多汁的。于是妻往，你又用你的方法品嘗了各種芒果互艾，發(fā)現(xiàn)比較軟的芒果比較多汁。
之后讯泣，你搬去了其它國家纫普。在那里，芒果吃起來和你家鄉(xiāng)的味道完全不一樣好渠。你發(fā)現(xiàn)綠芒果其實(shí)比黃芒果好吃昨稼。
再接著，你娶了一位討厭芒果的太太拳锚。她喜歡吃蘋果假栓。你得天天去買蘋果。于是霍掺，你之前積累的那些挑芒果的經(jīng)驗(yàn)一下子變的一文不值匾荆。你得用同樣的方法，去學(xué)習(xí)蘋果的各項(xiàng)物理屬性和它的味道間的關(guān)系杆烁。你確實(shí)這樣做了牙丽，因?yàn)槟銗鬯?/p>
有請(qǐng)計(jì)算機(jī)程序出場(chǎng)
現(xiàn)在想象一下，最近你正在寫一個(gè)計(jì)算機(jī)程序幫你挑選芒果（或者蘋果）连躏。你會(huì)寫下如下的規(guī)則：
if(顏色是嫩黃 and 尺寸是大的 and 購自最喜歡的小販): 芒果是甜的
????????if(軟的): 芒果是多汁的
………………
你會(huì)用這些規(guī)則來挑選芒果剩岳。你甚至?xí)屇愕男〉苋グ凑者@個(gè)規(guī)則列表去買芒果，而且確定他一定會(huì)買到你滿意的芒果入热。
但是一旦在你的芒果實(shí)驗(yàn)中有了新的發(fā)現(xiàn)拍棕， 你就不得不手動(dòng)修改這份規(guī)則列表。你得搞清楚影響芒果質(zhì)量的所有因素的錯(cuò)綜復(fù)雜的細(xì)節(jié)勺良。
如果問題越來越復(fù)雜绰播， 則你要針對(duì)所有的芒果類型，手動(dòng)地制定挑選規(guī)就變得非常困難尚困。你的研究將讓你拿到芒果科學(xué)的博士學(xué)位（如果有這樣的學(xué)位的話）蠢箩。
可誰有那么多時(shí)間去做這事兒呢。
有請(qǐng)機(jī)器學(xué)習(xí)算法
機(jī)器學(xué)習(xí)算法是由普通的算法演化而來事甜。通過自動(dòng)地從提供的數(shù)據(jù)中學(xué)習(xí)谬泌，它會(huì)讓你的程序變得更“聰明”。
你從市場(chǎng)上的芒果里隨機(jī)的抽取一定的樣品（訓(xùn)練數(shù)據(jù)）逻谦， 制作一張表格掌实， 上面記著每個(gè)芒果的物理屬性， 比如顏色， 大小， 形狀， 產(chǎn)地衔峰， 賣家邻悬， 等等症昏。（這些稱之為特征）。
還記錄下這個(gè)芒果甜不甜父丰， 是否多汁肝谭，是否成熟（輸出變量）。你將這些數(shù)據(jù)提供給一個(gè)機(jī)器學(xué)習(xí)算法（分類算法/回歸算法）础米，然后它就會(huì)學(xué)習(xí)出一個(gè)關(guān)于芒果的物理屬性和它的質(zhì)量之間關(guān)系的模型分苇。
下次你再去市集， 只要測(cè)測(cè)那些芒果的特性（測(cè)試數(shù)據(jù)）屁桑，然后將它輸入一個(gè)機(jī)器學(xué)習(xí)算法医寿。算法將根據(jù)之前計(jì)算出的模型來預(yù)測(cè)芒果是甜的，熟的蘑斧， 并且/還是多汁的靖秩。
該算法內(nèi)部使用的規(guī)則其實(shí)就是類似你之前手寫在紙上的那些規(guī)則（例如， 決策樹）竖瘾，或者更多涉及到的東西沟突，但是基本上你就不需要擔(dān)心這個(gè)了。
瞧捕传，你現(xiàn)在可以滿懷自信的去買芒果了惠拭，根本不用考慮那些挑選芒果的細(xì)節(jié)。更重要的是庸论，你可以讓你的算法隨著時(shí)間越變?cè)胶茫ㄔ鰪?qiáng)學(xué)習(xí)）职辅，當(dāng)它讀進(jìn)更多 的訓(xùn)練數(shù)據(jù)， 它就會(huì)更加準(zhǔn)確聂示，并且在做了錯(cuò)誤的預(yù)測(cè)之后自我修正域携。但是最棒的地方在于，你可以用同樣的算法去訓(xùn)練不同的模型鱼喉， 比如預(yù)測(cè)蘋果質(zhì)量的模型秀鞭， 桔子的，香蕉的扛禽，葡萄的锋边，櫻桃的，西瓜的编曼，讓所有你心愛的人開心：）
這宠默，就是專屬于你的機(jī)器學(xué)習(xí)，很炫酷吧灵巧。
