1、机器学习基础入门

机器学习基础入门

1. 机器学习简介

长期以来，我们的想象一直被能够学习和模仿人类智能的机器愿景所吸引。虽然像亚瑟·C·克拉克笔下的哈尔（HAL）和艾萨克·阿西莫夫笔下的桑尼（Sonny）那样具有通用人工智能的机器尚未实现，但通过经验获取新知识和技能的软件程序却越来越普遍。

机器学习软件的应用场景十分广泛，以下为你列举一些常见的应用：
|应用场景|具体描述|
| ---- | ---- |
|音乐推荐|帮助我们发现可能喜欢的新音乐|
|在线购物|精准找到我们想购买的鞋子|
|智能语音交互|允许我们向智能手机口述命令|
|智能温控|让恒温器自动设置温度|
|地址识别|比人类更准确地解读潦草的邮寄地址|
|信用卡安全|更严密地防范信用卡欺诈|
|医疗研究|用于研究新药物|
|新闻分析|估算新闻标题不同版本的页面浏览量|
|体育报道|撰写体育赛事总结文章|

1.1 机器学习的定义

机器学习是对利用过去经验来指导未来决策的软件制品的设计和研究，是对从数据中学习的程序的研究。其基本目标是进行泛化，即从规则应用的示例中归纳出未知规则。

经典的机器学习示例是垃圾邮件过滤。通过观察数千封之前已标记为垃圾邮件或正常邮件的电子邮件，垃圾邮件过滤器学会对新邮件进行分类。计算机科学家亚瑟·塞缪尔（Arthur Samuel）是人工智能研究的先驱，他认为机器学习是“让计算机在无需明确编程的情况下具备学习能力的研究”。在20世纪50年代和60年代，塞缪尔开发了玩跳棋的程序。尽管跳棋规则简单，但要击败熟练的对手需要复杂的策略。塞缪尔从未明确编程这些策略，但通