机器学习概述

什么是机器学习？

• 广义概念；机器学习是让计算机具有学习能力，无需进行明确编程。–亚瑟·萨缪尔， 1959
• 工程性概念：计算机程序利用经验E学习任务T，性能是P，如果针对任务T的性能P随着经验E不断增长，则称为机器学习。–汤姆·米切尔，1997

为什么使用机器学习？

在面对新来的事物做判断时，传统的方式会采用一长串负责的规则去进行判断，如果新来的样本符合我们规则，我们就可以准确的判断样本的好坏、品质等类型，当遇见我们规则不发匹配的时候，我们就无法正确做出判断，以及随后要更新我们已有的规则。在面对大数据、变化频发的状况下，
传统的方式不适合去使用。

Example：
email_name = '4U_attack'
bad_email_features = ['4U', 'creditcard', 'free']
for feature in bad_email_features:
    if feature in email_name:
        print('this is a bad eamil')

机器学习可以让机器具有灵性，它是让机器通过学习数据对某些任务做的更好，而不使用确定的代码规则，机器学习的思想就在于从现有的数据规律泛化到新的样本。

总结一下，机器学习的优势：

• 需要进行大量手工调整或需要拥有长串规则才能解决的问题： 机器学习算法通常可以简
  化代码、 提高性能。
• 问题复杂， 传统方法难以解决： 最好的机器学习方法可以找到解决方案。
• 环境有波动： 机器学习算法可以适应新数据。
• 洞察复杂问题和大量数据。