我們發展人工智能，核心目的是為了用人工智能來解決我們日常工作生活中的各種問題，機器學習當然也不例外。那機器學習適合解決哪些問題呢？

?

首先，我們一定要知道，機器學習不是萬能的。你要問機器學習能不能解決光速星際旅行，能不能造出飛碟、宇宙飛船、火箭，我肯定的說不能。你要問機器學習能不能預測房價、股市的漲跌，我只能說可能行，但非常難實現。因為涉及因素太多，訓練出來的模型不可能精確。

?

其次，我們要認識到日常工作生活中的最大任務是“決策”。不管是商業上的決策，上不上這個產品，投不投這個項目，要不要加大營銷力度。還是工作生活中的決策，上哪個大學，學什么專業，買不買房，上哪吃飯，看不看電影等等。我們無時無刻不在做著“決策”。

?

最后，“決策”背后的本質是“分類”。這些房子好，那些房子差，這個電影好看，那個不好看，這個餐館好吃，那個餐館不好吃。有了“分類”，是不是決策起來就容易的多，而我們“決策”的過程本質上就是一個“分類”的過程。

所以，機器學習的主要任務就是分類。

我們以前介紹過，機器學習就是讓計算機學會利用過往的經驗完成指定任務。我們的目的是完成指定任務。但當時我們對指定任務是什么并沒有說明。

?

這個指定任務一般分為3類：分類，聚類，回歸。也就是說機器學習的任務就是完成這3類指定任務，其中分類是核心。

我們知道，開展機器學習有個前提：必須有過往的經驗，或者說有過往的數據。這個數據的集合叫數據集。數據集的一般形式是：

序號	屬性1	屬性2	……	結果標記
1.?
2.?
3.?
………	………	………	………	………

?

注意這個結果標記。如果結果標記是類別數據，那么機器學習的主要任務就是分類。如果是結果標記是數值數據，那么機器學習的主要任務就是回歸。如果沒有結果標記，而是需要將數據集分成不同的類別，那么機器學習的主要任務就是聚類。

?

舉個鳥物種例子：

序號	體重 (克)	翼展 (厘米)	腳蹼	后背 顏色	種屬
1.?	1000.1	125.0	無	棕色	紅尾鳥
2.?	3000.7	200.0	無	灰色	鷺鷹
3.?	3300.0	220.3	無	灰色	鷺鷹
4.?	4100.0	136.0	有	黑色	潛鳥
5.?	3.0	11.0	無	綠色	蜂鳥
6.?	5.0	13.0	無	綠色	蜂鳥
7.?	570.0	75.0	無	黑色	啄木鳥
8.?	600.0	77.0	無	黑色	啄木鳥
……	……	……	……	……	……

?

這個數據集的結果標記是紅尾鳥、蜂鳥、啄木鳥等，屬于類別數據。如果我們找到一種鳥，測量其體重、翼展、腳蹼、后背顏色4個屬性數據，例如是550克，74cm，無，黑色，通過機器學習就可以判定這種鳥屬于啄木鳥。

?

像這樣的機器學習任務就是“分類”。

?

我們再看個一個北京二手房的例子：

序號	面積 (平方米)	區域	學區	裝修	價格 (萬元)
1.?	39	西城	有	無	690
2.?	44	海淀	有	精裝	440
3.?	50	大興	有	簡裝	150
4.?	78	東城	無	精裝	510
5.?	90	房山	無	精裝	270
6.?	100	豐臺	無	精裝	430
……	……	……	……	……	……

?

這個數據集的結果標記690萬元、440萬元等屬于數值數據。如果我們要買一套二手房，希望了解其大致價格，通過面積、區域、學區、裝修4個屬性數據，通過機器學習就可以預測這個二手房的價格是多少，這個任務就是“回歸”。

?

至于為什么叫“回歸”，這個是舶來詞，是英文“regression”翻譯過來的。翻譯詞的特點是帶有原詞的主要含義，但與原詞表達的意思又不完全一樣，甚至從中文字面上難以理解，例如大家最熟悉的函數，就是function的翻譯詞，在我們中學剛學“函數”這個詞時，其含義并不是那么顯而易見的。回歸（regression）也一樣，不好直白理解。簡單化理解就像“地理上的回歸線”一樣，“回去歸來，回歸于事物的本來面目”。

?

也不用太糾結，在機器學習中，你記住以后看到需要預測出來的結果標記為數值型的，例如房價，體重，股票價格等，也就是與“實數”相關的，就叫做“回歸”。

?

對于“聚類”，用個比較形象的詞語就是“人以類聚，物以群分”。聚類不是用來做預測的，而是對事物進行“分門別類”的。例如前面那個鳥物種的例子，你現在是鳥類專家，抓住了1000只鳥，你根據這些鳥的特征，對這些鳥分別進行觀察，長的很像的就聚為一類，例如有長嘴巴的就聚為啄木鳥類，有紅尾巴的就聚為紅尾鳥類。你辦公室里有30名同事，你愛好抽煙，你根據觀察和測試，逐漸把這30人聚成了抽煙和不抽煙的2類，于是工間休息期間你就知道找抽煙的那一類人。當然，你還可以把這30人聚成抽煙的、偶爾抽一下的、完全不抽的3類人。你還可以根據打羽毛球把30名同事分成會打的、不會打的2類，或者很會打的，一般的，完全不會的3類。也就是說聚類的個數和每個類別的內容是不定的，根據你的實際需要確定。

總結

以上是生活随笔為你收集整理的你绝对能懂的“机器学习”（五）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。