1. 机器学习的定义和相关概念
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。
机器学习是一种从数据生成规则、发现模型,来帮助我们预测、判断、分组和解决问题的技术
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物间的关系,从而实现预测、判断等目的
我们做机器学习项目,就是要选定一个算法,然后用数据训练机器,找到一族函数中最适合的那一个,形成模型。
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,我们人类还是要在这个过程中给机器很多指导的
2. 机器学习和传统程序的区别?
- 机器学习: 从已知数据中,通过不断试错、自我优化、自身总结,归纳出规则来。
- 传统程序: 把已知的规则定义好后输入给机器。
3. 场景示例:
你周日约了小李、老王打牌,小李先来了,老王没来。你想打电话叫老王过来。小李说:"你别打电话啦,昨天老王喜欢的球队皇马输球了,他的项目在上个礼拜也没成功上线,再加上他儿子期末考试不及格,他肯定没心情来。
-
"这种情况下,你觉得老王会来吗?
-
一般情况下,我们都会觉得老王大概率不会来了。不过,你有想过我们是怎么得出这个结论的吗?
要预测老王的状况,我们就需要建立一个"预测老王会不会来"的函数,而**"皇马输赢"** 、"项目情况" 、"儿子成绩" 都是输入到这个函数的自变量 ,我们设为 x1, x2, x3。这些自变量每一个发生变化,都会影响到函数的结果,也就是因变量 y。