18、人工智能中的数据分析：机器学习全解析

人工智能中的数据分析：机器学习全解析

一、机器学习的定义

在数据分析领域中，机器学习处于核心地位。不过，只有在数据分析提供了正确准备的输入之后，才能成功应用机器学习。

机器学习的核心思想是，用一个算法事先未知的数学函数来表示现实。通过观察一些数据，算法可以推测出这个函数。现实及其复杂的情况都可以用未知的数学函数来表达，而机器学习算法的任务就是找到这些函数并使其具有可操作性。

机器学习的学习过程纯粹是数学性的，它最终是将某些输入与某些输出关联起来。这个过程与理解算法所学的内容无关（数据分析在一定程度上有助于理解），因此学习过程通常被称为训练，因为算法是被训练来将每个问题（输入）与正确答案（输出）相匹配。

二、机器学习的工作原理

（一）与传统编程的区别

传统编程中，应用程序从一个已知的函数开始，接受数据作为输入，然后提供结果。例如，程序员创建一个名为 Add() 的函数，输入 1 和 2，输出结果 3。而机器学习则相反，已知输入（如 1 和 2）和期望的结果（如 3），但不知道应用什么函数来得到这个结果。训练过程会为学习算法提供各种期望输入和相应结果的示例，算法利用这些输入来创建一个函数。

（二）以儿童学习为例理解训练过程

想象一个孩子学习区分树和其他物体。在孩子能够独立完成区分之前，老师会给孩子展示一定数量的树的图像，并告知树与其他物体区分的特征，如树的材质（木头）、部分（树干、树枝、树叶或针叶、根）和位置（种植在土壤中）。孩子通过对比树的特征与其他不同物体（如木制家具，但不具备树的其他特征）的图像，形成对树的概念。

机器