小白入门机器学习的三个问题

随着人工智能技术的发展，机器学习已成为软件 / 互联网行业的常用技能，并开始向更多行业渗透。对越来越多的 IT 技术人员及数据分析从业者而言，机器学习正在成为必备技能之一。

今天我们就来聊聊机器学习的“入门级”问题。

01

什么是机器学习？

按照字面意思理解，“机器学习”就是让机器自己学会某种东西。更准确一点就是：让计算机程序（机器）不是通过人类直接指定的规则，而是通过自身运行，习得（学习）事物的规律和事物间的关联。

02

机器是如何学习的？

对于人类而言，一个概念对应的是具体的事物，我们认知的事物都不是孤立的，互相之间有着各种各样的关联。比如我们对一个人说“苹果”的时候，他可能会想乔布斯创立的公司；也有可能想到圆圆的、香甜的、有皮有核的水果；也有可能想到香蕉、菠萝等其他水果。但是如果我继续说：“苹果一定要生吃，蒸熟了再吃就不脆了。”那么“苹果”一词确定无疑指的是水果，而不是公司。因为在我们的知识库里，都知道水果可以吃，但是公司不能吃。出现在同一句话中的“吃”对“苹果”起到了限定作用，这是人类的理解。

如果我们将“苹果”这两个字输入计算机，计算机并不会幻视出一个水果，也不会像人那样“意识到”这个单词的含义。计算机程序能够处理的只有数值和运算。

计算机程序不过是一段存储在硬盘上的 0、1 代码，运行时被读取进内存，CPU 根据代码转换成的指令来做一组特定的操作，让这些 0、1 数字通过逻辑电路进行若干运算后，生成计算结果。所以要让一段程序了解客观世界变化万千的事物，则必须将这些事物转化为数值，将事物的变化和不同事物之间的关联转化为运算。当若干现实世界的事物转换为数值后，计算机通过在这些数值之上的一系列运算来确定它们之间的关系，再根据一个全集之中个体之间的相互关系来确定某个个体在整体（全集）中的位置。

“苹果”被输入进去的时候，被转化为一个数值 Va。经过计算，这个数值和对应“吃”的数值 Ve 产生了某种直接的关联，而同时和 Ve 产生关联的还有若干数值，它们对应的概念可能是“香蕉”（Vb）、“菠萝”（Vp）、“猕猴桃”（Vc）等。据此，计算机就会发现 Va、Vb、Vp、Vc 之间的某些关联（怎么利用这些关联，就要看具体的处理需求了）。

说到数值，大家可能本能地想到 int、double、float……但实际上，如果将一个语言要素对应成一个标量的话，太容易出现两个原本相差甚远的概念经过简单运算后相等的情况了。假设“苹果”被转化为 2，而“香蕉”被转化为 4，难道说两个苹果等于一个香蕉吗？因此，一般在处理时会将自然语言转化成 n 维向量。只要转化方式合理，规避向量之间因为简单运算而引起歧义的情况还是比较容易的。

这种现实世界和计算机之间从概念到数值，从关系到运算的映射，造就了机器可以通过自主学习获得事物规律的可能。既然机器有可能自己学习事物的规律，那么如何才能让它学到规律呢？我们先来看一个故事。

猫妈妈让小猫去捉老鼠，小猫问：“老鼠是什么样子啊？”

猫妈妈说：“老鼠长着胡须。”结果小猫找来一头大蒜。

猫妈妈又说：“老鼠有 4 条腿。”结果小猫找来一个板凳。

猫妈妈再说：“老鼠有一条尾巴。”结果小猫找来一个萝卜。

在这个故事里，小猫就是一个基于规则的（rule-based）“计算机程序”，它完全按照“开发者”猫妈妈的指令行事。但是因为 3 次指令都不够全面，结果 3 次都得出了错误的结果。如果要把小猫变成一个基于机器学习模型的（model-based）计算机程序，猫妈妈该怎么做呢？

猫妈妈应该这样做，给小猫看一些照片，并告诉它有些是老鼠，有些不是。

猫妈妈可以先告诉小猫：要注意老鼠的耳朵、鼻子和尾巴。小猫通过对比发现：老鼠的耳朵是圆的，别的动物耳朵不是圆形的；老鼠都有长而细的尾巴，别的动物有的尾巴短，有的尾巴粗；老鼠的鼻子是尖的，别的动物不一定是这样的。这时小猫就学习到一个规律——老鼠是圆耳朵、细长尾巴、尖鼻子的动物，通过这个规律来抓老鼠，那么小猫就成了一个“老鼠分类器”。

小猫（此处将其类比为一个计算机程序）是机器（machine），让它成为“老鼠分类器”的过程叫作学习（learning）。猫妈妈给小猫看的那些照片是用于学习的数据（data）。猫妈妈告知小猫要注意的几点，是这个分类器的特征（feature）。学习的结果“老鼠分类器”是一个模型（model）。小猫思考的过程就是算法（algorithm）。

03

我们应该如何学习机器学习

1. 扎实数学知识

很多同学想学机器学习，但是一上来就看模型，看到一大堆炫酷的公式，难免感觉很吓人。有些人因此萌生退意，要么放弃，要么只用现成工具把模型当作黑盒使用。其实，学习经典模型，并不需要多么深厚的数学功底，只要掌握本科阶段所教授的数学知识就基本够用了。在学习的最初阶段，只要满足以下几个条件，就可以对经典机器学习模型有一定深度的感性认识了。

• 学过坐标系
• 了解函数、向量和矩阵的概念
• 能从直观角度对求导、求微与函数的关系有所理解
• 掌握基础矩阵运算

如果想要灵活运用机器学习，还需要进一步学习数学知识。建议大家在学习模型的过程中，一旦遇到了数学上的阻碍，就去查找相应知识，制作一本自己的数学知识速查手册，把常用的细小知识点都记录下来，按主题整理成速查手册（小字典），需要用的时候快速查找对应的知识点，这样我们学习机器学习的过程会顺畅不少。

2. 重视经典模型

初次学习模型知识，不必贪多。比如线性回归、逻辑回归、决策树、SVM、SVR、K-means 等，这些选定的模型，一定要搞清楚其问题域、模型函数、目标函数、训练算法……深入数学公式推导的层面，理解每一步的公式变换和对应的物理意义，然后去实践。

3. 不断反复学习

达到掌握机器学习精髓的程度并非一蹴而就，总要从最简单的模型开始。即使是掌握最简单的模型，也需要反复学习。有可能第一遍看完有点似懂非懂，或者感觉自己明白了，但要从头推导又卡壳了。就像刚学完又忘掉的生字，或是背了一半，后半部分怎么也想不起来的九九乘法口诀。这都是非常正常的现象。究其原因，就是还没有真正掌握。多学几遍，从头到尾掌握整件事情的逻辑，知道一个模型是怎么从最初设定目标，一步步实现目标的。当真正掌握了这个过程之后，再回头看一个个具体的模型，每一步都是顺理成章的。

4. 多写程序，动手实践

虽然我们学习的是机器学习原理，但是这并不等于我们就可以停留在原理层面。为了学好原理，我们需要具备基本的编程能力，至于编程语言的选择，如果你在开始学习的时候已经有了编程基础，那么继续使用自己擅长的语言就可以。如果你还不会编程，或者觉得自己之前学的、用的语言不好，想换一种更适合机器学习的编程语言，那么我的建议是 Python。