1、机器学习全景概览

机器学习全景概览

什么是机器学习

机器学习是一门让计算机能够从数据中学习的科学（和艺术）。以下是不同角度的定义：
- Arthur Samuel 在 1959 年提出：机器学习是赋予计算机无需明确编程就能学习能力的研究领域。
- Tom Mitchell 在 1997 年给出更工程化的定义：若一个计算机程序在任务 T 上，依据性能指标 P 衡量，其性能会随经验 E 提升，那么就称该程序从经验 E 中学习。

以垃圾邮件过滤器为例，它是一个机器学习程序，通过给定垃圾邮件示例（如用户标记的）和正常邮件示例来学习标记垃圾邮件。这些用于学习的示例构成训练集，每个训练示例称为一个训练实例（或样本）。在此例中，任务 T 是标记新邮件是否为垃圾邮件，经验 E 是训练数据，性能指标 P 可定义为正确分类邮件的比例，即准确率，常用于分类任务。而单纯下载一份维基百科，计算机虽拥有更多数据，但在任何任务上的表现并未提升，这不属于机器学习。

为何使用机器学习

若用传统编程技术编写垃圾邮件过滤器，步骤如下：
1. 观察垃圾邮件的典型特征，如主题中常出现“4U”“信用卡”“免费”“惊人”等词汇，还可能注意到发件人姓名、邮件正文等方面的其他模式。
2. 为每个观察到的模式编写检测算法，若检测到多个此类模式，程序就将邮件标记为垃圾邮件。
3. 测试程序，不断重复前两步，直至效果良好。

由于问题并非简单，程序可能会变成一长串复杂规则，难以维护。相比之下，基于机器学习技术的垃圾邮件过滤器，通过检测垃圾邮件示例中与正常邮件相比异常频繁出现的词汇模式，自动学习哪些词汇和短语是垃圾邮件的良好预测指标。该程序更简短、易维护，且可能更