機器學習就等同於算法嗎？

在當前的推薦系統中，不少使用了機器學習，有些已經用到了深度學習。那麼，機器學習就等同於一堆的算法嗎？

答案是：機器學習≠算法。

機器學習≠算法

當咱們打開一本教科書，或者大學的教學大綱，一般看到的都是一堆的算法列表。

這也讓你們形成了這樣的誤解：機器學習就是掌握一系列的算法。其實，機器學習並不止步於算法，咱們能夠把它看作是解決問題的一種綜合方法。咱們看到的一個個獨立的算法，只不過是難題的一角，剩下的難題是咱們該如何正確地使用這些算法。

機器學習爲什麼如此神奇？

機器學習，就是教計算機分析數據，發現其中規律，以便人們進行預測或決定的實踐。

對於真正意義上的機器學習來講，計算機必須具有分析數據中沒法經過編程得出的規律的能力。

示例：

假如一個小孩子在家裏玩，忽然，他看到一支蠟燭！因而，他向蠟燭的方向慢慢走去。

出於好奇，他用手指指着燭光；
「哇！」他大喊，同時把手收回來；
「嗚嗚……那個會發光的紅色東西好燙！」
兩天以後，他來到廚房裏，看到了爐子。一樣，他又很是好奇。

他好奇得不得了，內心想要不要用手摸一下；
忽然，他發現這個東西也會發光，也是紅色的！
「啊……」他自言自語道，「我不要再痛一次了！」
他想起來紅色且會發光的東西會「痛」，因而就離開爐子去其餘地方了。

說得更清楚一些，由於這個孩子從蠟燭中本身推斷得出了某種結論，那咱們就稱之爲「機器學習」。

這個結論就是：「紅色且會發光」意味着「疼痛」；

若是這個孩子離開爐子，是由於父母告誡他的話，那就是「明確的程序指示」，而不是機器學習了。

重要術語

模型-從數據中得出的一組模式；

算法-用於訓練某個模型的專門的ML過程；

訓練數據-算法用來訓練模型的數據集；

測試數據-用於客觀評估模型性能的新數據集；

特徵-數據集中用來訓練模型的變量；

目標變量-用於預測的某個特定變量；

示例：

假設咱們有一組包含150個小學生信息的數據集，如今但願經過他們的年齡、性別和體重預測他們的身高。

咱們如今有150組數據點、1個目標變量（身高）、3個特徵（年齡、性別、重量）。接下來會把全部數據分爲兩個子集：

其中，120組會被用來訓練不一樣的模型（訓練集），其他的30組用來選擇最佳模型（測試集）。

機器學習任務

在學術界，機器學習始於並會一直專一於其中某個算法。可是，在工業界，咱們首先得爲工做所需選擇正確的機器學習任務。

· 任務是算法的特定目標。

·只要選擇正確的任務，算法就能夠交換進出完成任務。

·實際上，咱們會嘗試多種不一樣算法，由於極可能咱們一開始不知道哪一種算法最適合數據集。

機器學習兩種最多見的任務類別是監督學習和無監督學習。

監督學習

監督學習包括面向「標記」好的數據的任務（換言之，咱們有一個目標變量）。

· 在實踐中，它一般是用做建模預測的高級形式。

· 每一組數據點必須正確標記。

· 只有這樣才能創建一個預測模型，由於咱們必須在訓練時告訴算法什麼是「正確」的（也就是咱們說的「監督」）。

· 迴歸是建模連續目標變量的任務。

·分類是對分類目標變量進行建模的任務。

無監督學習

無監督學習包括面向「未標記」數據的任務（換言之，沒有目標變量）。

· 在實踐中，這種形式一般用做自動數據分析或自動信號提取。

· 未標記的數據沒有預先肯定的「正確答案」。

· 容許算法直接從數據中學習模式（即沒有「監督」）。

· 聚類是最多見的無監督學習任務，用於查找數據中的組。

機器學習的三要素

如何始終如一地構建有效的模型以得到最佳效果。

＃1：熟練的廚師（人類指導）

首先，即便咱們是在「教電腦自學」，但在這個過程當中，人的指導也起着很大的做用。

正如咱們所看到的，您須要在此過程當中作出無數項決策。

事實上，第一個重大決策就是該如何規劃咱們的項目，從而確保成功。

＃2：新鮮食材（乾淨且相關的數據）

第二個基本要素是數據的質量。

不管咱們使用哪一種算法，垃圾輸入=垃圾輸出。

專業的數據科學家將大部分時間花在瞭解數據，清理數據和設計新功能上。

＃3：不要過分烹飪（避免過分擬合）

機器學習中最危險的陷阱之一就是過分擬合。過分擬合模型會「記住」訓練集中的噪聲，而不是學習真正的基礎模式。

· 對衝基金中的過分擬合可能會形成數百萬美圓的損失。
· 醫院內的過分擬合可能會致使數千人喪生。

對於大多數應用來講，過分擬合都是要避免的錯誤。