第1章　走進機器學習

1.1　機器學習概述

從出生的那天起，我們就一直在學習中度過。隨著逐漸的成長，開始學習如何走路；通過傾聽周圍人的談話，學習并嘗試模仿；通過學習不同單詞的意思，使得在需要時懂得該如何進行表達；同時也開始區分事情的好壞。例如，在第一次靠近火源時，會因灼熱而后退，從而明白要與火源保持一定的距離。

那么，現在思考一下計算機的工作原理。計算機可以在1s內遵循人類的指示處理數百萬條指令，并返回結果；它可以執行人類描述的任務，但是卻不能自行決定。

而機器學習此時就可以發揮作用了。如果給予計算機像人類一樣的思考能力，那會發生什么呢？可以用計算機能理解的方式給出每一天的任務令其進行計算，還可以建立一些模型來幫助計算機在將來采取行動。

人類從經驗中學習知識，計算機則遵循指令執行任務。然而，其實還可以直接向計算機提供經驗讓其學習并為行動做準備。目前我們是以結構化的方式定義經驗。因此，我們將計算機從數據（經驗）中進行學習的過程稱為機器學習（Machine Learning）。

以買香蕉為例。你的母親需要你去市場上買一些香蕉，同時她告訴你鮮黃色的香蕉很好吃。你到一個水果商那里，開始按照母親的建議挑選香蕉。你買了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樣好。事實上，有5根香蕉是壞的。你逐個拿起香蕉并開始作出假設。 20根香蕉中有12根大香蕉和8根小香蕉。這8根小香蕉都很美味，但是大香蕉就不一樣了，在12根大香蕉中有5根味道不如預期。

你已經掌握了挑選香蕉的知識。第二天，當你到達市場時，注意到有個水果商在打折出售香蕉，這些香蕉和昨天的不同，它們的皮帶有一些綠色。從這里買完香蕉回到家后，根據之前的經驗將每一根香蕉分為好與壞（視口味而定），會發現大的綠色香蕉很好吃，但是小的綠色香蕉的味道不如其他的好。這樣，你就學會了新規則。

你開始將自己看作是香蕉專家。有一天，你不得不去另一個城市（遠離家鄉）參加表親的婚禮。現在你驚訝地發現這里所有的香蕉都很小，但是味道卻都很好（像糖一樣甜）。在這里你了解到來自這個區域的香蕉是暢銷商品。

現在你確實已經是一名專家了。但如果你的姐姐很長時間沒有回家了，并且她喜歡石榴而討厭香蕉。你要怎么辦呢？為了找到美味的石榴，你需要重新開始你的學習。

現在這個任務就可以由機器學習負責指引計算機完成了。可以使用數據點的形式向計算機提供知識。數據點的屬性稱為特征（Feature），這里的特征是香蕉的大小（小、中、大）、顏色、產地等。輸出（Output）就是味道（好或者壞）。將這些數據輸入到機器學習程序中，就可以讓計算機學習如何區分香蕉的好與壞。

機器學習算法是一種根據經驗來給予你決策能力的智能算法。