个性化推荐系列之初步认识机器学习

我们都知道，关于机器学习，科技界的定义是，可以利用机器学习模拟人的思维方式去处理问题／数据；但是光看这个定义，还是觉得只是看起来高大上，到底是怎么模拟的，机器到底在学习什么，还是不明白；

最近看了一些这方面的东西，总结一下自己的一些理解，关于机器学习到底是怎么学习的，到底是在学习什么；

----------------------------------------------------------------------------------------------------

我们先从一个例子说起；

一辆车，我们知道它一箱油（100L）可以跑100公里，半箱油（50L）即可以跑50公里；

那么问题来了，当它只有80L油的时候可以跑多远？很多人都会说是80公里；

为什么会说是80公里呢？那是因为前面我们知道100L是100公里、50L是50公里，我们已经有了一个规律，有了一个参考值，所以很快就可以得出80L跑80公里；

在我理解下来，机器学习应该也是这样的套路；利用已有的数据总结出一套规律，然后再用这个规律去预测另一个结果；

----------------------------------------------------------------------------------------------------

说到这里，就要引入几个新的概念，样本数据和训练模型；

我们在学习概率论的时候就有过这个说法，用来做数据统计的数据叫做样本，后面通过样本总结出来的运算公式就叫训练模型；

在上面的例子中，前面的100L对应100公里，50L对应50公里，这两组数据就是样本数据；通过两者总结出来的1L对应1公里就是这个例子的训练模型；

我们以往的计算方法是，给定一个规律，然后通过这个规律来做一些数据的计算；但是机器学习不是，机器学习是我们给它一堆数据，让它自己去通过数据总结训练出一套模型，然后用这套模型去解决数据预测问题；

----------------------------------------------------------------------------------------------------

说了这么多，也没有机器学习什么事情啊，到底机器学习是什么？上文说的模型到底是个什么玩意儿？我们来看下一个例子；

依然用前面的例子，一辆车行驶，2小时后离出发点80公里，3小时后离出发点100公里，请问4小时后离出发点多远？

如果我们把这个问题，用机器学习来解决的话，就相当于是给机器一组样本数据1：（2，80）、（3、100），然后求（4，？）；

这个业务场景，学习过树立统计的都很清楚地知道，这个数据是呈线性的；这个时候我们可以考虑引入一个简单的二次函数y=kx+b作为这个问题的训练模型来解决这个问题；

我们把样本数据（2，80）、（3、100）代入这个二次函数的训练模型，很快就可以得出这个训练模型的表达式为y=40x+40；得出这个训练模型之后，把之前的样本数据代入做检查，以保证准确性；

这个时候，我们把要求的数据x=4代入这个模型中，很快就可以得出y=200，也就是说4小时后汽车离出发点200公里；

----------------------------------------------------------------------------------------------------

如果我们现在有样本数据2：（2，80）、（2.1，85）、（2.6、88.6）、（2.8，88.1）、（2.9，89.4），那么根据这组样本数据机器又会重新计算出一个训练模型公式，然后将样本中某些数据作为样本数据来检验这个训练模型，这个模型公式将能够更加准确地描述汽车行驶过程中时间x与距离出发点y的线性关系；

我们前面已经得出了样本数据1业务场景的训练模型是y=40x+40，这个模型是通过2组数据得出来的，这组数据样本量太少；如果有更多的样本数据，例如样本数据2，这个模型可以计算的更加准确；这就是机器的学习能力，机器学习会根据样本数据量不断调整训练模型，从而能够更加精准地去解决数据问题；

----------------------------------------------------------------------------------------------------

到这里，我们要对机器学习做一个更加细致的定义：机器学习就是利用现有的样本数据去创建一套完善的训练模型，然后用现有数据不断检验训练这个模型，改良这个模型，通过这个训练模型来解决后续的数据预测问题；

----------------------------------------------------------------------------------------------------

当然了，我们知道现实中的大数据预测肯定不会这么简单的，一个y=kx+b就能解决，但是机器学习基本上都是这样一个套路；

1）、首先机器会通过大量样本数据之间的关联关系去总结一套模型；2）、机器利用样本数据来训练这个模型；训练时机器会把样本数据分为训练数据集和测试数据集；3）、利用经过大量样本数据训练和测试的训练好的模型，来解决预测数据问题；

----------------------------------------------------------------------------------------------------

这是个性化推荐系统系列的第2篇，该系列一共有5篇：1、《个性化推荐系列之初步认识推荐系统》；2、《个性化推荐系列之初步认识机器学习》；3、《个性化推荐系列之推荐系统的演化及常见推荐算法》；4、《个性化推荐系列之协同过滤推荐算法总结》；5、《个性化推荐系列之推荐算法实践》；

详见知乎专栏--产品打杂https://zhuanlan.zhihu.com/zhoulink