漫画：什么是机器学习
轉載自 漫畫：什么是機器學習
故事一：瑞雪兆豐年
我們中國有一句關于農業生產的古老諺語：瑞雪兆豐年。
就是說，如果前一年冬天下雪很大很多，那么第二年莊稼豐收的可能性比較大。
這條諺語是怎么來的呢？我們可以想象當時的情景：
第一年冬天
第二年收獲時節
第二年冬天
第三年收獲時節
第三年冬天
第四年收獲時節
年復一年，若干年后的冬天......
這就是瑞雪兆豐年的故事。頭年的瑞雪和來年的豐收，本是兩個看起來并不相關的現象，但是智慧的農民伯伯通過幾十年甚至幾代人的經驗，總結出了兩個現象之間的規律。
現代的農業學家通過科學的分析，弄清了瑞雪兆豐年規律背后的本質原理。但是對于古代農民伯伯來說，知道規律就足夠了，可以通過規律來為下一年的生產生活做出有效的調整。
故事二：啤酒和尿布
上個世紀90年代，沃爾瑪超市已經是美國最大的零售企業，擁有大量的顧客資源。那時候的沃爾瑪已經采用了先進的計算機技術，隨時記錄著每天眾多顧客購物車中所挑選的商品明細。
在其中一個普通的日子里：
就這樣經年累月，沃爾瑪積累了大量的顧客購物數據。直到某一天，沃爾瑪的技術專家發現：
于是，這一嘗試實行以后......
從此，沃爾瑪的銷售額得到了顯著提升，啤酒尿布的故事也廣為流傳，成為了銷售界和IT界津津樂道的成功典范......
這就是沃爾瑪啤酒和尿布的故事。顧客購買啤酒的行為和顧客購買尿布的行為，原本是兩個看起來沒什么關聯的現象。但是沃爾瑪的技術專家以大量的用戶購物數據為樣本，通過先進的算法，最終尋找到了兩者之間的重要關聯和規律。
為什么購買啤酒的人更有可能同時購買尿布呢？是因為有了小孩的男人比別人更愛喝啤酒？還是因為愛喝啤酒的男人比別人更顧家？這些臆測似乎都有些牽強。
但是沃爾瑪不需要關心規律背后的本質。對企業來講，利用發現的規律，獲得實實在在的利益就足夠了。
以下是小灰根據個人理解說畫的流程圖：
以下是大黃基于小灰的流程圖所做的補充：
以下是大黃對流程圖結果部分作出的調整。其中假設模型可以理解成訓練出來的降雪和收獲的規律，通過假設模型，從新一年降雪情況推斷出下一年收獲情況的過程叫做回歸。至于啤酒尿布的例子，屬于截然不同的機器學習類型，只需要找出關聯關系，并不需要進行回歸。
機器學習按照方式不同主要分為三大類，有監督學習(Supervised learning)、無監督學習(Unsupervised learning)以及半監督學習(Semi-supervised learning)。
監督學習：通過已有的一部分輸入數據與輸出數據之間的對應關系，生成一個函數，將輸入映射到合適的輸出。在瑞雪兆豐年的例子中，頭年降雪量就是輸入，來年畝產量就是輸出。
非監督學習：直接對輸入數據集進行建模，尋找關聯。例如啤酒尿布的例子，只需要尋找關聯性，并不需要什么明確的目標值輸出。
半監督學習：綜合利用有輸入輸出的數據，和只有輸入的數據來進行訓練。可以簡單理解成監督學習和非監督學習的綜合。
這里所介紹的相關知識，只是作者對于機器學習領域的淺層次理解。通過這篇漫畫，希望沒有從過IT行業，或者不了解機器學習的朋友們能夠對機器學習有一些初步的認知。
故事一：瑞雪兆豐年
我們中國有一句關于農業生產的古老諺語：瑞雪兆豐年。
就是說，如果前一年冬天下雪很大很多，那么第二年莊稼豐收的可能性比較大。
這條諺語是怎么來的呢？我們可以想象當時的情景：
第一年冬天
第二年收獲時節
第二年冬天
第三年收獲時節
第三年冬天
第四年收獲時節
年復一年，若干年后的冬天......
這就是瑞雪兆豐年的故事。頭年的瑞雪和來年的豐收，本是兩個看起來并不相關的現象，但是智慧的農民伯伯通過幾十年甚至幾代人的經驗，總結出了兩個現象之間的規律。
現代的農業學家通過科學的分析，弄清了瑞雪兆豐年規律背后的本質原理。但是對于古代農民伯伯來說，知道規律就足夠了，可以通過規律來為下一年的生產生活做出有效的調整。
故事二：啤酒和尿布
上個世紀90年代，沃爾瑪超市已經是美國最大的零售企業，擁有大量的顧客資源。那時候的沃爾瑪已經采用了先進的計算機技術，隨時記錄著每天眾多顧客購物車中所挑選的商品明細。
在其中一個普通的日子里：
就這樣經年累月，沃爾瑪積累了大量的顧客購物數據。直到某一天，沃爾瑪的技術專家發現：
于是，這一嘗試實行以后......
從此，沃爾瑪的銷售額得到了顯著提升，啤酒尿布的故事也廣為流傳，成為了銷售界和IT界津津樂道的成功典范......
這就是沃爾瑪啤酒和尿布的故事。顧客購買啤酒的行為和顧客購買尿布的行為，原本是兩個看起來沒什么關聯的現象。但是沃爾瑪的技術專家以大量的用戶購物數據為樣本，通過先進的算法，最終尋找到了兩者之間的重要關聯和規律。
為什么購買啤酒的人更有可能同時購買尿布呢？是因為有了小孩的男人比別人更愛喝啤酒？還是因為愛喝啤酒的男人比別人更顧家？這些臆測似乎都有些牽強。
但是沃爾瑪不需要關心規律背后的本質。對企業來講，利用發現的規律，獲得實實在在的利益就足夠了。
以下是小灰根據個人理解說畫的流程圖：
以下是大黃基于小灰的流程圖所做的補充：
以下是大黃對流程圖結果部分作出的調整。其中假設模型可以理解成訓練出來的降雪和收獲的規律，通過假設模型，從新一年降雪情況推斷出下一年收獲情況的過程叫做回歸。至于啤酒尿布的例子，屬于截然不同的機器學習類型，只需要找出關聯關系，并不需要進行回歸。
機器學習按照方式不同主要分為三大類，有監督學習(Supervised learning)、無監督學習(Unsupervised learning)以及半監督學習(Semi-supervised learning)。
監督學習：通過已有的一部分輸入數據與輸出數據之間的對應關系，生成一個函數，將輸入映射到合適的輸出。在瑞雪兆豐年的例子中，頭年降雪量就是輸入，來年畝產量就是輸出。
非監督學習：直接對輸入數據集進行建模，尋找關聯。例如啤酒尿布的例子，只需要尋找關聯性，并不需要什么明確的目標值輸出。
半監督學習：綜合利用有輸入輸出的數據，和只有輸入的數據來進行訓練。可以簡單理解成監督學習和非監督學習的綜合。
這里所介紹的相關知識，只是作者對于機器學習領域的淺層次理解。通過這篇漫畫，希望沒有從過IT行業，或者不了解機器學習的朋友們能夠對機器學習有一些初步的認知。
總結
以上是生活随笔為你收集整理的漫画：什么是机器学习的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 漫画：什么是架构师
- 下一篇： 漫画：什么是中间人攻击