機器學習入門

原文轉自：http://longriver.me/?p=23

machine learning 的一點基本知識，三個基本元素：訓練集（training set）、模型（model）、測試集（test set）。還記得數理統計上的線性迴歸嗎？根據已有的數據，設定懲罰函數，對線性函數進行參數估計，獲得的線性函數就是model，而後在測試集上驗證model的預測準確性。很簡單。當今互聯網公司大量使用machine learning方法。

最簡單的例子，使用google搜索，輸入china stroy，它會自動糾正你是否是搜索china story。後臺的原理是：google儲備了大量的先驗數據（大量的文本），story出現機率遠遠大於stroy，並且和china一塊兒出現的狀況下，更是story佔據了絕大多數，因此根據bayes估計，confidence大於某個閾值的話就會幫助用戶自動糾錯，這種糾錯是很是靠譜的，由於創建在大量可靠的數據之上模擬google的spelling corrector其實只須要python短短的21行代碼。http://norvig.com/spell-correct.html。其實當今的機器學習，主流是基於統計的，呵呵，用咱們的話通俗的講就是數聽說明一切，用事實說話，前車可鑑後事之師。

全文請到http://longriver.me/?p=23