第一部分 模型篇

第1章 機器學習簡介

1.1 引言

我們以生活中常見的挑選西瓜為例。到了夏天，大家喜歡吃西瓜，希望買到好西瓜。怎么挑到好西瓜呢？我們會根據西瓜的一些屬性特點（如根蒂、敲聲、觸感和紋理等）進行挑選，一般認為根蒂凹陷、敲聲渾響、觸感硬滑和紋理清晰的西瓜是好瓜。這些挑選西瓜的經驗是人類掌握的知識，是在無數次挑選西瓜后總結出來的。

具體怎么掌握挑選西瓜的知識呢？假設開始時，我們對西瓜沒有任何了解，西瓜的好壞只能隨機猜測。為了提高判斷的準確率，一般來說會這么做：拿到一個西瓜，切開，親口品嘗，確定西瓜的好壞，然后記錄這個西瓜相關的屬性特點。這時由于掌握的知識十分有限，所以必須記錄大量的屬性，以確保沒有遺漏重要的相關屬性。隨著品嘗西瓜數量的增加，逐漸能總結、歸納出一些挑選西瓜的知識。總結出知識的可靠性也隨著西瓜數量的增加而提高，但是提高速度會越來越慢，最后有可能趨于飽和，即品嘗再多的西瓜，也不能產生新的屬性特點。

機器學習的目的就是讓計算機像人類一樣，能區分西瓜的好壞。那么如何讓計算機學習這些知識，就是機器學習的核心內容。