個性化推薦系列之初步認識機器學習

我們都知道，關於機器學習，科技界的定義是，可以利用機器學習模擬人的思維方式去處理問題／數據；但是光看這個定義，還是覺得只是看起來高大上，到底是怎麼模擬的，機器到底在學習什麼，還是不明白；

最近看了一些這方面的東西，總結一下自己的一些理解，關於機器學習到底是怎麼學習的，到底是在學習什麼；

----------------------------------------------------------------------------------------------------

我們先從一個例子說起；

一輛車，我們知道它一箱油（100L）可以跑100公里，半箱油（50L）即可以跑50公里；

那麼問題來了，當它只有80L油的時候可以跑多遠？很多人都會說是80公里；

為什麼會說是80公里呢？那是因為前面我們知道100L是100公里、50L是50公里，我們已經有了一個規律，有了一個參考值，所以很快就可以得出80L跑80公里；

在我理解下來，機器學習應該也是這樣的套路；利用已有的數據總結出一套規律，然後再用這個規律去預測另一個結果；

----------------------------------------------------------------------------------------------------

說到這裡，就要引入幾個新的概念，樣本數據和訓練模型；

我們在學習概率論的時候就有過這個說法，用來做數據統計的數據叫做樣本，後面通過樣本總結出來的運算公式就叫訓練模型；

在上面的例子中，前面的100L對應100公里，50L對應50公里，這兩組數據就是樣本數據；通過兩者總結出來的1L對應1公里就是這個例子的訓練模型；

我們以往的計算方法是，給定一個規律，然後通過這個規律來做一些數據的計算；但是機器學習不是，機器學習是我們給它一堆數據，讓它自己去通過數據總結訓練出一套模型，然後用這套模型去解決數據預測問題；

----------------------------------------------------------------------------------------------------

說了這麼多，也沒有機器學習什麼事情啊，到底機器學習是什麼？上文說的模型到底是個什麼玩意兒？我們來看下一個例子；

依然用前面的例子，一輛車行駛，2小時後離出發點80公里，3小時後離出發點100公里，請問4小時後離出發點多遠？

如果我們把這個問題，用機器學習來解決的話，就相當於是給機器一組樣本數據1：（2，80）、（3、100），然後求（4，？）；

這個業務場景，學習過樹立統計的都很清楚地知道，這個數據是呈線性的；這個時候我們可以考慮引入一個簡單的二次函數y=kx+b作為這個問題的訓練模型來解決這個問題；

我們把樣本數據（2，80）、（3、100）代入這個二次函數的訓練模型，很快就可以得出這個訓練模型的表達式為y=40x+40；得出這個訓練模型之後，把之前的樣本數據代入做檢查，以保證準確性；

這個時候，我們把要求的數據x=4代入這個模型中，很快就可以得出y=200，也就是說4小時後汽車離出發點200公里；

----------------------------------------------------------------------------------------------------

如果我們現在有樣本數據2：（2，80）、（2.1，85）、（2.6、88.6）、（2.8，88.1）、（2.9，89.4），那麼根據這組樣本數據機器又會重新計算出一個訓練模型公式，然後將樣本中某些數據作為樣本數據來檢驗這個訓練模型，這個模型公式將能夠更加準確地描述汽車行駛過程中時間x與距離出發點y的線性關係；

我們前面已經得出了樣本數據1業務場景的訓練模型是y=40x+40，這個模型是通過2組數據得出來的，這組數據樣本量太少；如果有更多的樣本數據，例如樣本數據2，這個模型可以計算的更加準確；這就是機器的學習能力，機器學習會根據樣本數據量不斷調整訓練模型，從而能夠更加精準地去解決數據問題；

----------------------------------------------------------------------------------------------------

到這裡，我們要對機器學習做一個更加細緻的定義：機器學習就是利用現有的樣本數據去創建一套完善的訓練模型，然後用現有數據不斷檢驗訓練這個模型，改良這個模型，通過這個訓練模型來解決後續的數據預測問題；

----------------------------------------------------------------------------------------------------

當然了，我們知道現實中的大數據預測肯定不會這麼簡單的，一個y=kx+b就能解決，但是機器學習基本上都是這樣一個套路；

1）、首先機器會通過大量樣本數據之間的關聯關係去總結一套模型；

2）、機器利用樣本數據來訓練這個模型；訓練時機器會把樣本數據分為訓練數據集和測試數據集；

3）、利用經過大量樣本數據訓練和測試的訓練好的模型，來解決預測數據問題；
推薦閱讀：