大家好！我是新人唱跳 rap 打篮球，是一个立志 2025 年开始每周都能水一篇文章的人
最近业务上开始接触机器学习相关的东西，自己对这一块的东西完全摸不着头脑
没办法只能花时间去学习，至少懂一点点才能更好的去测试相关的东西，不然连预期结果是啥都搞不清楚了
去搜索了一下之前高飞哥写的一些文章，准备收藏着慢慢看，收藏了就算学过了
什么是机器学习
机器学习涵盖的内容太多了，这里写一下我学习的两种定义
机器学习之父Arthur Samuel对机器学习的定义是：在没有明确设置的情况下，使计算机具有学习能力的研究领域。
国际机器学习大会的创始人之一Tom Mitchell对机器学习的定义是：计算机程序从经验 E 中学习，解决某一任务 T，进行某一性能度量 P，通过 P 测定在 T 上的表现因经验 E 而提高。
用通俗的一个例子解释一下，想象一下这样一个场景
周末你约了两个同事老王、阿奇来打篮球，老王来了，阿奇没来。
你想打电话给阿奇，老万说：“你别打电话了，昨天阿奇加班了，而且和女朋友吵架了，再加上他平时很少打球，他肯定不想”
这种情况下，你觉得阿奇会来吗？
实际上我们运用了 “推理”。我们人们大脑做这样的推理似乎是自然而然的事儿。
但对于计算机来说，如果它也像小李那样有老王的 “历史数据”，知道他加班、知道他和女朋友吵架了、知道他很少打球，那计算机能推出这个结论吗？
对于长期以来只能按照人类预设规则解决问题的机器来说，这不是一件容易的事。
机器学习厉害之处就在于，它利用计算机的运算能力，从大量的数据中发现一个 “函数” 或 “模型”，并通过它来模拟现实世界事务间的关系，从而实现预测、判断等目的。
我们可以这样理解，机器学习的本质特征，就是从数据中发现规则。
虽然说我们希望机器最终能主动地去预测，但在此之前，机器具体选什么模型、如何训练、怎么调参，还是需要人去在这个过程中给机器很多指导。
数据集
就拿预测阿奇会不会来打球这件事来说，要预测阿奇来不来打球，可以建立一个 “预测阿奇来不来” 的函数
而 “加班”、“女朋友吵架”、“平时打球少” 都是输入这个函数的变量，我们设置为 x1、x2、x3，这些变量都会影响到函数的结果，也就是 f(x,y,z) 函数的建立
而 f(x1,x2,x3) 的结果就是阿奇来不来打球，y=f(x1,x2,x3)，这里的 x1、x2、x3 叫自变量，y 叫做应变量
在机器学习中，这 x1，x2，x3 这些变量，就叫做特征（feature），y 叫做标签（label）。
而一批历史特征和一批历史标签的集合，就是机器学习的数据集。
知道这些，你可以已经有一点感觉了，机器到底是怎么学习的
就是在已知数据集的基础上，通过反复的计算，选择最贴切的函数去描述数据集中 x1，x2，x3...xn 和 y 之间的因果关系。
这个过程，就是机器学习中的训练，也叫拟合
最初用来训练的数据集，就是训练数据集（training dataset）。
当机器通过训练找到了一个函数，我们还需要验证和评估，也就是说，这时候我们要给机器另一批同类数据特征，看机器能不能用这个函数推出这批数据的标签。
这一过程就是在验证模型是否能够被推广、泛化，而此时我们用到的数据集，就叫验证数据集（validation dataset）。
在验证、评估的过程里，我们就是要验证这个模型函数到底好不好。
如果这个模型函数通过了评估，那就可以在测试数据集（test dataset）上做最终的测试；
如果通过不了，就需要找新的模型。
到这里，是不是发现机器学习好像也没那么难理解，也发现数据集很重要，数据集中的标签对机器学习模型有很重要的指导意义。
因为机器必须根据已有的数据来找到特征和标间之间的关系。
但其实机器学习也不一定要标签，具体可以分为三种情况看
- 训练数据集全部有标签，叫监督学习（supervised learning）
- 训练数据集没有标签，叫做无监督学习（unsupervised learning）
- 在训练数据集中，有的数据有标签，有的数据没有标签，我们叫做半监督学习（semi-supervised learning）
目前，监督学习是应用最广泛的主流机器学习算法，后面有机会我们也会介绍相关的内容
今天就分享到这里了，做个好梦
我是新人唱跳 rap 打篮球，是一个立志 2025 年开始每周都能水一篇文章的人，希望我的文章可以给你带来好心情！