機器學習理論引入的日常知識分類
前言
這種分類完全是從機器學習理論中引入到日常學習中的。明白了這種分類後，就可以輕鬆理解《學習觀》05中提到的兩個概念了。
目錄
- 分類
- 迴歸
- 數學的特別
正文
若以任務型別為視角，則知識可劃分為“分類（classification）”與 “迴歸 （regression）”。
一、君子和而不同，小人同而不和
分類知識是最常用的。它們是判斷一個事物屬於哪個型別，也出現在各式各樣的決策中。
例1： 判斷一個數字是偶數還是奇數（二類）
- 輸入：任意數字
- 輸出：是否為偶數
例2： 判斷一個行為是不是愛情（二類）
- 輸入：任意事件
- 輸出：是否為愛情
例3： 從外表判斷一個人的年齡段（三類）
- 輸入：某人外表
- 輸出：少年或青年或老年
例4： 判斷一個生物屬於植物、動物、昆蟲、微生物等（超過三類）
- 輸入：某生物的特徵
- 輸出：哪種生物類別
例5： 判斷一個發音屬於哪個單詞（數千類）
- 輸入：某段發音
- 輸出：哪個單詞
例6： 決定是否與某人結婚
- 輸入：相處時觀察到的言行與家庭等綜合因素
- 輸出：結婚與否
例7： 決定是否買車
- 輸入：個人與環境等綜合因素
- 輸出：是否買車
在沒有計算機擴充套件我們自身能力之前，思考類知識中大部分都是分類知識。在中國古代的著作裡，如《論語》、《孟子》等留下來的知識也都是分類知識。「君子和而不同，小人同而不和」可用於判斷君子和小人。
分類知識可以說是最重要，可往往也是數學中最容易被輕視的知識。因為應用任何知識之前，都是先用分類知識來判斷問題屬於哪一類，然後才能夠應用公式和性質來解決。由於很多學生缺少這類知識的訓練，造成他們只會做邏輯題，卻難以解決應用題，更無法用數學知識解決生活問題。讓學生誤以為數學只是一種智力遊戲。
很多題解不出來是因為學生不根本無法判斷某個問題屬於哪一類，連用公式和性質的機會都沒有。遇到這種情況時，很多家長和老師都簡單的歸因為“不熟”，提升方式也基本靠悟。但是什麼叫“不熟”？這種“不熟”又該如何提升。
很多人往往是工作了以後才提升了該能力，因為他們遇到了很多實際例子，基本等於重學了一遍。不覺得很奇怪嗎？本該在學校學習的東西反而不得不在工作中才真正學會。可這並非沒有辦法的事情，因為只要在學生階段針對性的用實際例子來訓練這類知識，就不必在工作中來重新學習了。
比如學習三角函式時，第一個要學習的知識不是三角函式的公式，而是要學會判斷哪些東西可被視為三角形的各個角和邊。世界上沒有“三角形”這種東西，是人們觀察了很多個例項，總結共性後所抽象出來的知識。在學習時也需要通過很多個例項才能將這種知識遷移到學生的腦中。只有當學會了判斷它後，才能夠將三角函式的知識應用於機器人的控制，飛機的導航，傅立葉變換，週期性動畫的製作等。
而在畫思維導圖時，這類知識對應的關鍵詞一般是主謂結構。你會自我提問“它是什麼”來明確輸入輸出，問“為什麼是”來決定判斷的邊界（依據）。
一個事物（輸入）都有哪些類（輸出）
例1： 比如知識的分類（上）裡的大腦模式視角這個關鍵詞（輸入）是主語，系動詞被思維導圖的連線代替了，謂語（輸出）擁有兩類：
- 輸入：大腦模式視角
- 輸出：思考類或運動類
- 邊界：是否依靠意識
一個知識（輸入）都有子知識（輸出）
例2： 思考類與運動類的速度特點這個關鍵詞這個關鍵詞（輸入）是主語，謂語（輸出）擁有4個子知識（由你自己總結）：
- 輸入：特點
- 輸出：速度、精度、因素量、並行
二、從定性到定量
另一種只是不再是判斷類別，而涉及如何從一種狀態變成另一種狀態。大都數的運動類都是迴歸知識。一個問題既可以被當作迴歸來處理（定量），也可以當作分類來處理（定性）。
例1： 走路
- 輸入：環境
- 輸出：大腦送給肌肉的訊號
例2： 炒菜的放鹽量
- 輸入：食材數量
- 輸出：該放多少鹽
例3： 從外表判斷一個人的實際年齡（分類時是判斷年齡段）
- 輸入：某人外表
- 輸出：年齡
例4： 射擊遊戲的滑鼠移動
- 輸入：遊戲畫面情況
- 輸出：手臂肌肉移動
三、數學的特別
想特別說明的就是數學的知識，所有的數學的公式都是別人總結好的“知識的描述”，是純粹的關係，而且是將同一類知識進行二次提取。比如 
這種關係可以表示所有符合線性關係的知識。
例1： 西瓜斤數與總價的關係
- 輸入：斤數
- 輸出：總價
例2： 光的傳播時間與位移
- 輸入：時間
- 輸出：位移
例3： 超過3公里時北京市出租汽的行駛距離與價格
- 輸入：距離
- 輸出：價格
當作為二階知識時，線性關係這個分類知識的：
- 輸入：某個知識
- 輸出：是否為線性
這裡我將問題留個讀者：為什麼大部分人都難以學好數學？數學明明被用於所有科學的現實問題，可為什麼大部分人都覺得自己學不會。一遍一遍的記住了數學公式，甚至理清了這些公式是怎麼來的，但在現實問題面前全面崩潰。
在畫思維導圖時，迴歸知識對應的關鍵詞一般是動賓結構。你會自我提問“它的目的”來明確輸入變成什麼樣的輸出，問“如何達到”來明確具體的步驟。
例1： 比如《學習觀》05裡的拆分知識這個關鍵詞的“拆分”是動詞（函式），“知識”是賓語（輸出）：
- 輸入：要被拆分的複合知識
- 輸出：眾多子知識
- 函式：“拆分”這個動作行為
明白了這兩種知識分類之後，請再看一遍《學習觀》05 和《學習觀》5.5，希望你可以有新的理解。
