引言

機器學習已經學了兩三個月了，看了西瓜書，機器學習實戰，也走過不少彎路，現在做做總結，把經驗寫下了。

什麼機器學習

以我們人類做類比，我們看過、吃過很多西瓜後，判斷色澤青綠、根蒂蜷縮、敲聲濁響的這類瓜就是好瓜。我們通過積累經驗，在通過經驗進行運用，就會對新情況做出更有效判斷。

機器學習就是這樣，通過處理“資料”經驗，從中學得一種模型，基於這個模型對新的資料進行判斷。

為什麼使用機器學習

對於複雜問題，如語言識別，手寫體識別，無人駕駛，我們很難想象出某些規則來進行硬編碼，而使用機器學習，只需提供它所需的資料，就能自我學習，這樣就簡化了程式碼，執行效果也更好。

機器學習的分類

機器學習有很多分類方式，這裡只介紹最常見的分類：監督式、半監督式、無監督式。

1）監督式學習

所謂監督就是我們知道資料的“結果”資訊，以西瓜為例，一個西瓜色澤青綠、根蒂蜷縮、敲聲濁響，並且告訴你它是好瓜。這個“結果”資訊好瓜就是標記。所有資料都擁有標記就是監督式學習。當我們對新的資料進行預測是，結果是離散值，例如“好瓜”‘壞瓜’這稱為分類。而預測結果是連續值則為迴歸。監督式學習是我們主要學習的。

2）無監督學習

給我們的資料沒有‘結果’資訊，不告訴我們這些瓜是好瓜還是壞瓜，這類學習任務稱為無監督學習。

3）半監督學習

資料標記通常是很費力的，對於這些資料通常有很大部分沒有標記，只有小部分有，這稱為半監督學習。它通常是監督式演算法和非監督式演算法的結合。

為什麼能進行機器學習？

首先，明確機器學習的目標。我們的目的是通過學得的模型對新的未知的資料進行預測。而我們的模型是在已知的資料集上學得的。我們怎麼保證在已知資料集習得的模型在未知資料上仍然表現好呢？這裡利用的是統計學原理，當我們的已知資料集足夠大時，它的內在規律就很大程度上接近未知資料上的內在規律。當我們在已知資料集中學得的模型儘可能擬合數據集時，那它通常在未知資料集上表現好。想想看，如果一個模型在已知資料集上都有糟糕的表現，怎麼還能期待它在未知資料上的表現。

小結

本節介紹了一些機器學習的概念，之後會進一步補充。剛開始學習時都迫不及待地的想去學習模型，來看看它的表現，下節我們就結束最簡單的模型：線性模型。