第1章　走进机器学习

1.1　机器学习概述

从出生的那天起，我们就一直在学习中度过。随着逐渐的成长，开始学习如何走路；通过倾听周围人的谈话，学习并尝试模仿；通过学习不同单词的意思，使得在需要时懂得该如何进行表达；同时也开始区分事情的好坏。例如，在第一次靠近火源时，会因灼热而后退，从而明白要与火源保持一定的距离。

那么，现在思考一下计算机的工作原理。计算机可以在1s内遵循人类的指示处理数百万条指令，并返回结果；它可以执行人类描述的任务，但是却不能自行决定。

而机器学习此时就可以发挥作用了。如果给予计算机像人类一样的思考能力，那会发生什么呢？可以用计算机能理解的方式给出每一天的任务令其进行计算，还可以建立一些模型来帮助计算机在将来采取行动。

人类从经验中学习知识，计算机则遵循指令执行任务。然而，其实还可以直接向计算机提供经验让其学习并为行动做准备。目前我们是以结构化的方式定义经验。因此，我们将计算机从数据（经验）中进行学习的过程称为机器学习（Machine Learning）。

以买香蕉为例。你的母亲需要你去市场上买一些香蕉，同时她告诉你鲜黄色的香蕉很好吃。你到一个水果商那里，开始按照母亲的建议挑选香蕉。你买了20根香蕉后就回家了，然而回家后你注意到有些香蕉的味道并不像其他的那样好。事实上，有5根香蕉是坏的。你逐个拿起香蕉并开始作出假设。 20根香蕉中有12根大香蕉和8根小香蕉。这8根小香蕉都很美味，但是大香蕉就不一样了，在12根大香蕉中有5根味道不如预期。

你已经掌握了挑选香蕉的知识。第二天，当你到达市场时，注意到有个水果商在打折出售香蕉，这些香蕉和昨天的不同，它们的皮带有一些绿色。从这里买完香蕉回到家后，根据之前的经验将每一根香蕉分为好与坏（视口味而定），会发现大的绿色香蕉很好吃，但是小的绿色香蕉的味道不如其他的好。这样，你就学会了新规则。

你开始将自己看作是香蕉专家。有一天，你不得不去另一个城市（远离家乡）参加表亲的婚礼。现在你惊讶地发现这里所有的香蕉都很小，但是味道却都很好（像糖一样甜）。在这里你了解到来自这个区域的香蕉是畅销商品。

现在你确实已经是一名专家了。但如果你的姐姐很长时间没有回家了，并且她喜欢石榴而讨厌香蕉。你要怎么办呢？为了找到美味的石榴，你需要重新开始你的学习。

现在这个任务就可以由机器学习负责指引计算机完成了。可以使用数据点的形式向计算机提供知识。数据点的属性称为特征（Feature），这里的特征是香蕉的大小（小、中、大）、颜色、产地等。输出（Output）就是味道（好或者坏）。将这些数据输入到机器学习程序中，就可以让计算机学习如何区分香蕉的好与坏。

机器学习算法是一种根据经验来给予你决策能力的智能算法。