# 什么是機器學習？ > 原文： [https://machinelearningmastery.com/what-is-machine-learning/](https://machinelearningmastery.com/what-is-machine-learning/) 你對機器學習很感興趣，也許你會涉及到它。 如果您有一天與朋友或同事談論機器學習，您可能會冒著某人實際問你的風險： > “_ 那么，什么是機器學習？_ “ 這篇文章的目的是給你一些思考的定義和一個易于記憶的方便的單行定義。 我們首先要了解從該領域的權威教科書中獲取的機器學習的標準定義。我們將通過制定開發人員對機器學習的定義和一個方便的單行程來完成，我們可以隨時使用它們：_ 什么是機器學習？_ ## 權威解釋 讓我們首先看一下大學級課程中常用的機器學習四本教科書。 這些是我們的權威定義，為深入思考這一主題奠定了基礎。 我選擇了這四個定義，以突出該領域的一些有用和多變的觀點。通過經驗，我們將了解到該領域真的是一堆混亂的方法，選擇一個視角是取得進步的關鍵。 ### 米切爾的機器學習 Tom Mitchell 在他的書[機器學習](http://www.amazon.com/dp/0070428077?tag=inspiredalgor-20)中提供了前言開頭行中的定義： > 機器學習領域涉及如何構建自動改進經驗的計算機程序的問題。 我喜歡這個簡短而又甜蜜的定義，它是我們在帖子結尾處提出的開發人員定義的基礎。 注意提到“_ 計算機程序 _”和“_ 自動改進 _”的提法。 _ 編寫改善自己的程序 _，這是挑釁性的！ 在他的介紹中，他提供了一個簡短的形式主義，你會看到很多重復： A computer program is said to **learn** from experience _E_ with respect to some class of tasks _T_ and performance measure _P_, if its performance at tasks in _T_, as measured by _P_, improves with experience _E_. 不要讓術語的定義嚇跑你，這是一種非常有用的形式主義。 我們可以使用這種形式作為模板，將 **E** ， **T** 和 **P** 放在表格的列頂部，列出復雜問題，模糊度較低。它可以用作設計工具，幫助我們清楚地思考要收集哪些數據（ **E** ），軟件需要做出哪些決定（ **T** ）以及我們將如何評估其結果（ **P** ）。這種力量是它作為標準定義重復的原因。把它放在后袋里。 ### 統計學習的要素 [統計學習要素：數據挖掘，推理和預測](http://www.amazon.com/dp/0387848576?tag=inspiredalgor-20)由三名斯坦福大學統計學家編寫，并自我描述為統計框架，以組織他們的研究領域。 在前言中寫道： > 許多領域正在生成大量數據，統計人員的工作就是理解這一切：提取重要的模式和趨勢，并理解“數據所說的內容”。我們稱之為 _ 從數據中學習。_ 我理解統計學家的工作是使用統計工具來解釋域上下文中的數據。作者似乎將機器學習的所有領域都包括在追求中。有趣的是，他們選擇在書的副標題中加入“_ 數據挖掘 _”。 統計學家從數據中學習，但軟件也是如此，我們從軟件學到的東西中學習。從決策和各種機器學習方法取得的成果。 ### 模式識別 Bishop 在他的書[模式識別和機器學習](http://www.amazon.com/dp/0387310738?tag=inspiredalgor-20)的序言中評論： > 模式識別起源于工程，而機器學習則源于計算機科學。但是，這些活動可視為同一領域的兩個方面...... 讀到這篇文章，你會得到一個印象，即 Bishop 從工程角度來到現場，后來學習并利用計算機科學采用相同的方法。模式識別是工程或信號處理術語。 這是一種成熟的方法，我們應該效仿。更廣泛地說，無論聲稱采用方法的領域如何，如果通過“從數據中學習”使我們更接近洞察力或結果來滿足我們的需求，那么我們可以決定將其稱為機器學習。 ### 算法視角 Marsland 在他的書[機器學習：算法視角](http://www.amazon.com/dp/B005H6YE18?tag=inspiredalgor-20)中提供了機器學習的 Mitchell 定義。 他在序言中提供了一個有說服力的筆記，激勵他寫這本書： > 機器學習最有趣的特征之一是它位于幾個不同學科的邊界，主要是計算機科學，統計學，數學和工程學。 ...機器學習通常作為人工智能的一部分進行研究，它將其牢牢地植入計算機科學......理解為什么這些算法工作需要一定程度的統計和數學復雜性，而這些都是計算機科學本科生常常缺失的。 這是富有洞察力和指導性的。 首先，他強調了該領域的多學科性質。我們從上面的定義中得到了一種感覺，但他為我們畫了一個大的紅色下劃線。機器學習來自各種信息科學。 其次，他強調了過于嚴密地堅持某一特定觀點的危險。具體而言，算法主義者避開方法的數學內部運作的情況。 毫無疑問，統計學家反對實施和部署的實際問題的反案例同樣有限。 ### 維恩圖 Drew Conway [在 2010 年 9 月創造了一個很好的維恩圖](http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram)，這可能有所幫助。 在他的解釋中，他評論說：機器學習=黑客+數學＆amp;統計 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2013/11/Data_Science_VD.png) 數據科學維恩圖。歸功于 Drew Conway，Creative Commons 被許可為 Attribution-NonCommercial。 他還將 _ 危險區 _ 描述為 _ 黑客技能 _ + _ 專長 _。 在這里，他指的是那些知道足夠危險的人。他們可以訪問和構建數據，他們知道域，他們可以運行方法并顯示結果，但不了解結果的含義。我認為這是 Marsland 可能暗示的。 ## 開發人員機器學習的定義 我們現在轉向需要將所有這些打破我們開發人員的基本要素。 我們首先看一下抵抗我們分解和程序解決方案的復雜問題。這構成了機器學習的力量。然后我們制定出一個與我們開發人員一致的定義，我們可以在每次被問到時使用它們，“_ 那么，什么是機器學習？_ “由其他開發者提供。 ### 復雜的問題 作為開發人員，您最終會遇到一些頑固抵制邏輯和程序解決方案的問題。 我的意思是，存在一類問題，即坐下來寫出解決問題所需的所有 if 語句是不可行或不符合成本效益的。 “_ 褻瀆！_ “我聽到你的開發人員大腦的呼喊聲。 這是真的。 從垃圾郵件中區分垃圾郵件的決策問題的每日案例。這是引入機器學習時一直使用的示例。如何編寫程序來過濾電子郵件，因為它們進入您的電子郵件帳戶并決定將它們放入垃圾郵件文件夾或收件箱文件夾中？ 你可能先從收集一些例子開始，看看它們并深入思考它們。您需要查找垃圾郵件中的模式和非垃圾郵件中的模式。您可以考慮抽象這些模式，以便您的啟發式方法可以適用于未來的新案例。你會忽略永遠不會再看到的奇怪電子郵件。你可以輕松獲得準確性，并為邊緣案例制作特殊的東西。您會經常查看電子郵件，并考慮抽象新模式以改進決策制定。 除此之外，還有一個機器學習算法，除了它由程序員而不是計算機執行。這種手動派生的硬編碼系統只能與程序員從數據中提取規則并在程序中實現規則的能力一樣好。 它可以做到，但它需要大量的資源，并成為維護的噩夢。 ### 機器學習 在上面的示例中，我確信您的開發人員大腦，即無情地尋求自動化的大腦部分，可以看到自動化和優化從示例中提取模式的元過程的機會。 機器學習方法就是這種自動化過程。 在我們的垃圾郵件/非垃圾郵件示例中，示例（ **E** ）是我們收集的電子郵件。任務（ **T** ）是將每封電子郵件標記為垃圾郵件或將其放入正確文件夾的決策問題（稱為分類）。我們的績效指標（ **P** ）就像精確度百分比（正確的決策除以總決策乘以 100）在 0％（最差）和 100％（最佳）之間。 準備像這樣的決策程序通常稱為訓練，其中收集的示例稱為訓練集，程序稱為模型，如在非垃圾郵件分類垃圾郵件問題的模型中。作為開發人員，我們喜歡這個術語，模型具有狀態并且需要持久化，訓練是一個執行一次的過程，并且可能根據需要重新運行，分類是執行的任務。這一切都對我們有意義。 我們可以看到，上述定義中使用的一些術語并不適合程序員。從技術上講，我們編寫的所有程序都是自動化，評論機器學習自動學習是沒有意義的。 ### 方便的單行 那么，讓我們看看我們是否可以使用這些部分并構建開發人員對機器學習的定義。怎么樣： > **機器學習是根據數據對模型進行訓練，該數據將決策概括為績效測量。** _ 訓練模型 _ 建議訓練樣例。 _ 模型 _ 建議通過經驗獲得的狀態。 _ 推廣決策 _ 建議能夠根據輸入做出決策，并預測將來需要做出決定的看不見的輸入。最后，_ 針對表現測量 _ 提出了針對所準備模型的目標需求和定向質量。 我不是詩人，你能想出更精確或更簡潔的開發人員定義機器學習嗎？ 在下面的評論中分享您的定義。 ## 進一步閱讀 我已經在這篇文章中鏈接了資源，但是如果你渴望更多的閱讀，我已經在下面列出了一些有用的資源。 ### 圖書 以下是從中提取定義的四本教科書。 * [Mitchell 的機器學習](http://www.amazon.com/dp/0070428077?tag=inspiredalgor-20) * [統計學習的要素：數據挖掘，推理和預測](http://www.amazon.com/dp/0387848576?tag=inspiredalgor-20)，Hastie，Tibshirani 和 Friedman * [模式識別和機器學習](http://www.amazon.com/dp/0387310738?tag=inspiredalgor-20)由 Bishop 提供 * [機器學習：Marsland 的算法視角](http://www.amazon.com/dp/1420067184?tag=inspiredalgor-20)。 此外，Drew Conway 還有一本與 John Myles White 合作的書，實用而有趣，可以閱讀[黑客機器學習](http://www.amazon.com/dp/1449303714?tag=inspiredalgor-20) ### 問答網站 在 Q＆amp; A 網站上有一些關于機器學習究竟是什么的有趣討論，下面是一些選擇。 * **Quora** 很適合像這樣的高級問題，瀏覽一下。我的選擇是：[外行人的學習機器學習是什么？](http://www.quora.com/Machine-Learning/What-is-machine-learning-in-laymans-terms) 和[什么是數據科學？](http://www.quora.com/Data-Science/What-is-data-science) * **Cross Validated** 對這個更高級別的問題進行了一些很好的討論。參見 [The Two Cultures：統計與機器學習？](http://stats.stackexchange.com/questions/6/the-two-cultures-statistics-vs-machine-learning) 本次討論中提到的兩個資源是博客文章[統計與機器學習，戰斗！](http://brenocon.com/blog/2008/12/statistics-vs-machine-learning-fight/) 和論文[統計建模：兩種文化](http://projecteuclid.org/DPubS?service=UI&version=1.0&verb=Display&handle=euclid.ss/1009213726)。 * **Stack Overflow** 也有一些討論，例如，checkout [什么是機器學習？](http://stackoverflow.com/questions/2620343/what-is-machine-learning) 我對所有這一切都很認真，而且我的定義被我讀過的書和我所擁有的經歷所染色。讓我知道它是否有用。 發表評論，讓我們都知道你如何理解這個領域。什么是機器學習給你？您知道我們可以追溯的任何進一步資源嗎？ 請在下面的評論中告訴我。