机器学习

• 机器学习可以用来分类
  首先我们先理解两个概念：特征、目标变量、训练样本集、训练样本、。
  

  先提出个问题：上图中的东西是什么？给你四个选项：狗、猫、橘子、桌子。它是一条狗吧？你怎么判断出来这个东西是狗？你为什么不说这个东西是猫、是橘子，是桌子等等？来深入这个问题，仔细思考：首先，狗有四条腿。这样呢，猫也有四条腿，桌子可能也有四条腿。但橘子一定没有腿，那我先可以确定这不是个橘子。再接着，我知道上面这个东西会自己动，能跑能跳。那我现在也能确定这不是个桌子。它可能是只猫或者是条狗，最后呢，我知道它的叫声是“汪汪汪”而不是“喵喵喵”。好啦，根据这些判断我能确定它是一条狗。
  在上述描述中，腿的个数是四条、能动、叫声是“汪汪”，这些称之为特征，是谁的特征呢？是狗的特征，我们把狗称为目标变量，当然，猫、橘子、桌子也是目标变量。下面给个表格就更加清楚。当然，为了更加严谨一些，我们就不用狗、猫、橘子、桌子来举例子。
  表1-1表1-1是包含六个训练样本的训练集，每一行是一个训练样本，每个训练样本有4种特征、一个目标变量。根据特征我们能预测出来目标变量。比如现在有只鸟，重1KG，翼展125厘米，没有脚蹼，棕色。那么我们几乎可以确定它是红尾鵟。这是我们人为的自己判断，机器学习就是你把上面这个样本集给电脑，让电脑通过一定的规则(算法)进行学习，学习完毕后，给电脑一些特征，电脑能自己预测其目标变量是什么。

  好了，第一篇就到此为止。本文章及后续文章，其目的是为了让自己加深理解。如果文章中有不对的地方，欢迎指正。