从零开始的Python机器学习指南（一）——基本概念介绍

专栏概览

本专栏将分享博主在机器学习入门的时候一些学习心得，希望各位能从我的学习体验中有些许收获。可能有不准确和遗漏之处，请大家多多谅解！

在准备本专栏时，博主默认读者有一定的Python/编程基础。本专栏也将假定读者有一定的机器学习基础（比如一些基本的词汇定义）。

什么是机器学习/Machine Leaning/ML?

这里参考下机器学习之父Tom Mitchell在他的教材Machine Learning书中的定义：

如果计算机程序在任务 T 中的性能（由 P 衡量）随着经验 E 的提高而提高，则称计算机程序从关于某类任务 T 的经验 E 和性能衡量 P 中学习。

简单来说，机器学习关注的是设计和开发能够不断用经验提高自己的算法。每个机器学习（下文将简称为ML）算法都包括至少三个部分：

1. 任务/Task。任务指的是这个算法要达到的目标。比如，人脸识别算法的任务就是准确快速地从视觉信号中识别和分类人的脸部特征。
2. 性能/Performance。性能指的是某种衡量算法有效性的标准。大部分机器学习算法会使用准确率/Accuracy来决定算法是否已训练完成。
3. 经验/Experience。经验指的是算法能用来学习的内容。对于简单的算法来说，一个外部提供的静态的数据库可以成为它