机器学习，从入门到放弃？

来自｜Medium

作者｜Adam Geitgey

编译｜深度学习这件小事

参与｜Simy

你是否曾经听到别人谈论过机器学习，但对于什么是机器学习都只有一个模糊的印象？你是否厌倦了跟同事聊起机器学习时只能点点头说对呢？现在，让我们一起来改变这种情况吧！

本指南适用于对机器学习感兴趣但不知道怎么入门的人。 我猜有很多人可能在维基百科上看过“机器学习”词条，容易越看越崩溃，甚至弃疗。这就是为什么写这篇指南的原因。

我们的目标就是要让所有人都能看懂，防止大家“从入门到放弃”。如果看了本文，大家能对机器学习更感兴趣了，那我们的任务就完成了。

机器学习是一种思想：通过通用算法从一组数据中提取出有用信息，而无需针对具体问题编写自定义代码。无需编码，通用算法将基于给定数据构建出自己的逻辑。

如分类算法，它可以将数据归入不同分组。不用修改一行代码，用于识别手写数字的分类算法也可以用于识别垃圾邮件。同样的算法，基于不同训练数据，可以得到不同的分类逻辑。

该机器学习算法是一个黑盒，可以重复用于许多不同的分类问题。

“机器学习”是一个涵盖大量通用算法的总称。

机器学习算法可简单分为两类：监督式学习（ supervised learning ）和非监督式学习（unsupervised learning）。

监督式学习

假设你是房产销售经理，因为不断增长的业务，聘请了一批新的实习生来帮助自己。但碰到了一个问题——你可以一眼看出房子的价值，但实习生们不如你有经验，不知道该如何给房子定价。

为了帮助你的实习生，你决定写一个小应用，可以根据房子大小，地段，以及类似房屋的成交价等因素来估算你的房屋的价值。

因此，近3个月来，每当有人在你所在城市出售房子，你就会记下来。 对于每个房子，你记下了一堆细节——卧室的数量，单位面积价格，地段等等，包括最重要的成交价：

这就是我们的训练集。

我们希望基于这个训练集写一个程序，估算房子价格。

我们想用训练集估算其他房子的价格。

这就是监督式学习。已知每个房子的售价，或者说，已知问题的答案，你就可以从反向推出解题的逻辑。

为了开发你的app，你将有关每个房子的训练数据输入到机器学习算法中，该算法会努力找出用什么数学方法可以正确估算出价格。

这就好像已知数学测试的答案，但所有算术符号都被擦掉了:

Oh no! 一个狡猾的学生擦去了答案上的所有算数符号！

从这，你可以看出这些数学测试题是怎么样的吗？你可能需要根据左边的数字做一些尝试来得到右边的答案。

在监督式学习中，你让计算机来找出这个数学关系。 一旦找出了这个关系，你就可以回答同一类型的任何其他问题！

非监督式学习

让我们回到我们房产销售的例子。如果你不知道每个房子的售价怎么办？ 即使你只知道每个房子的大小，地段等，事实证明你仍然可以做一些非常酷的东西。这称为无监督式学习。

即使您没有尝试预测未知数字（如价格），您仍然可以通过机器学习做有趣的事情。

这就像有人给你一列数据并告诉你“我不知道这些数字是什么意思，但也许你可以找出其中的规律或是分组什么的——祝你好运！”

那么问题来了，这些数据要怎么处理呢？对于初学者，你可以用算法自动识别数据中不同的细分市场。也许你会发现，本地学校附近的购房者比较喜欢有很多卧室的小房子，但郊区的购房者更喜欢有三居室的大房子。了解不同类型的客户有助于指导销售工作。

你可以做的另一件很酷的事就是自动识别出与众不同的房屋。也许那些与众不同的房屋是巨型豪宅，你可以把最好的销售人员集中在这些地区，因为它们佣金更高。

监督式学习是我们接下来关注的重点，这不是因为无监督式学习不那么有用或有趣。实际上，随着算法的优化，无监督学习变得越来越重要，因为它可以在无正确答案标记数据的情况下使用。

旁注：还有很多其他类型的机器学习算法。但监督式学习是一个非常好的起点。

作为人类，你的大脑可以应付大多数情况，并学习如何处理没有任何明确指示的情况。如果卖了很久的房子，你会对房子的合适价格，推销房子的最佳方式，感兴趣的客户类型等问题产生一种本能“感觉”。强人工智能研究的目标是能够用计算机复现这种能力。

但目前机器学习算法并没有那么好——它们只在针对具体，限定的问题时才能有效工作。这种情况下，对“学习”的更好定义可能是“根据一些样本数据来找出解决特定问题的公式”。

不幸的是，“根据一些样本数据来找出解决特定问题的公式”并不是一个好名字。所以我们最终选择了“机器学习”。

当然，如果你是在50年后的未来阅读了这篇文章，并且已经找到了强AI的算法，那么整篇文章看起来会有些古怪。所以，未来的小伙伴，别犹豫，最好还是别继续看了，让你的机器仆人给你做个三明治吧。

— 未完，待续 —

为您推荐

10月机器学习Top 10 文章/教程汇总

过来，我这里有个「混淆矩阵」跟你谈一谈。

谣言止于智者，AI帮你识别虚假新闻

一步一步，看图理解LSTM与GRU

【资源】MIT强化学习教程，了解一下

本篇文章来源于: 深度学习这件小事