机器学习绪论
机器学习的定义
在过去，我们希望能够用电脑帮我们挑选好的西瓜，帮我们预测未来的发展趋势，作为一个计算机，我们希望它有自主学习的能力，帮我们完成这些选择，让机器也能像人一样。机器学习正是这样的一门学科，人的“经验”对应计算机中的“数据”，让计算机来学习这些“经验”，训练好一个算法模型，让计算机遇到相应的场景时，能作出有效的判断，这便是机器学习。（🌈这个概念还是很好理解的，机器在学习🐕）
在百度百科中有更细致的定义：
- 机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
- 机器学习是对能通过经验自动改进的计算机算法的研究。
- 机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。
机器学习的一些基本术语
既然要开始学习机器学习了，就需要对机器学习的一些基本术语要有些许了解！
假设我们收集了一批西瓜的数据，例如：（色泽=青绿;根蒂=蜷缩;敲声=浊响)， (色泽=乌黑;根蒂=稍蜷;敲声=沉闷)， (色泽=浅自;根蒂=硬挺;敲声=清脆)。
每对括号内是一个西瓜的记录，用表格的方式呈现就是这样的：
| 色泽 | 根蒂 | 敲声 |
|---|---|---|
| 青绿 | 蜷缩 | 浊响 |
| 乌黑 | 蜷缩 | 沉闷 |
| 浅自 | 硬挺 | 清脆 |
定义：
- 所有记录的集合为：数据集。🐟也就是表格本身
- 每一条记录为：一个实例（instance）或样本（sample）。🐟代表每一行数据
- 色泽或敲声，单个的特点为特征（feature）或属性（attribute）。🐟代表每一列数据
- 对于一条记录，如果在坐标轴上表示，每个西瓜都可以用坐标轴中的一个点表示，一个点也是一个向量，例如（青绿，蜷缩，浊响），即每个西瓜为：一个特征向量（feature vector）。🐟以该表格为例子，色泽就是x轴，根蒂就是y轴，敲声就是z轴，如果是样本是数字的话，就更直观了
- 一个样本的特征数为：维数（dimensionality），该西瓜的例子维数为3，当维数非常大时，也就是现在说的“维数灾难”。🐟也就是表格的列数，为什么叫维度呢，如果把列数画在直角坐标系就明白了，列越多，维度就越大！！
接下来拿一个数据集举例就清楚啦！！
计算机程序学习经验数据生成算法模型的过程中，每一条记录称为一个“训练样本”，同时在训练好模型后，我们希望使用新的样本来测试模型的效果，则每一个新的样本称为一个“测试样本”。定义：
- 所有训练样本的集合为：训练集（trainning set），[特殊]。
- 所有测试样本的集合为：测试集（test set），[一般]。
- 机器学习出来的模型适用于新样本的能力为：泛化能力（generalization），即从特殊到一般。
同样拿之前的数据举例：
西瓜的例子中，我们是想计算机通过学习西瓜的特征数据，训练出一个决策模型，来判断一个新的西瓜是否是好瓜。可以得知我们预测的是：西瓜是好是坏，即好瓜与差瓜两种，是离散值。同样地，也有通过历年的人口数据，来预测未来的人口数量，人口数量则是连续值。定义：
- 预测值为离散值的问题为：分类（classification）。
- 预测值为连续值的问题为：回归（regression）。
我们预测西瓜是否是好瓜的过程中，很明显对于训练集中的西瓜，我们事先已经知道了该瓜是否是好瓜，学习器通过学习这些好瓜或差瓜的特征，从而总结出规律，即训练集中的西瓜我们都做了标记，称为标记信息。
但也有没有标记信息的情形，例如：我们想将一堆西瓜根据特征分成两个小堆，使得某一堆的西瓜尽可能相似，即都是好瓜或差瓜，对于这种问题，我们事先并不知道西瓜的好坏，样本没有标记信息。定义：
- 训练数据有标记信息的学习任务为：监督学习（supervised learning），容易知道上面所描述的分类和回归都是监督学习的范畴。
- 训练数据没有标记信息的学习任务为：无监督学习（unsupervised learning），常见的有聚类和关联规则。
监督学习和无监督学习可以这么理解：
- 监督学习：你帮我分类文件，我给你一部分分好的文件，你看我怎么分类的，帮我把剩下没分的文件分类。
- 无监督学习：我给你一打文件，我没分过类的，你自己根据它们的特征分类吧。
上述的分好类和没分类的数据，就对应着有标记信息和没有标记信息。你对有标记的信息进行学习并进行分类的过程就是监督学习；对没有标记的信息进行学习并分类的过程就是无监督学习。
