机器学习

关于机器学习，我个人理解是通过一些现有的、已经发生的资料来集合成一个规律去推算不知道的事情。在通过阅读书籍可以了解到，机器学习的定义是用数据或以往的经验，以此优化计算机程序的性能标准。但我认为这个定义与我们这个课程相差甚远，在机器学习的过程中，我们经常用一些已知的数据资料，不断训练去形成模型，最后用模型去演算出我们想看到。
书中写着，机器学习的三要素是数据、算法、模型。我认为，数据作为基础，算法围绕数据去建造模型，模型就是我们努力的成果。例如，天气总是阴晴不定的，但是现在的天气预报可能就是根据机器学习的成果。今天的天气可能跟风向、云层的厚度、空中水空气的含量、云层的走向等等有关，人类历史已经发生很久了，我们手上有着大量的数据，将这些数据整合起来，不断训练形成一个模型从而去预测接下来几天的天气。比如今天风向向东南、云层厚度5mm、空气中水含量100ml等等，根据这些数据与模型比对而得到结果。
又比如，今年是世界杯大年，许多机器就可以根据所有参加世界杯的国家球队数据来模拟小组赛的一个结果，甚至是决赛结果，这些机器可以根据各个国家队一个赛前的球员状态，每个人在五大联赛的表现已经最后一个国家热身赛的一个状态去模决赛结果，前几天我就刷到这样一个新闻，有一个机器模拟预测今年世界杯决赛是阿根廷与英格兰，且最后冠军是阿根廷，而且这个机器在14年与18年的预测是完全正确的。还有一个机器学习经典的例子，经典的Google利用大数据预测了H1N1在美国某小镇的爆发。
这些都是机器学习的实例，运用数据集不断训练成模型最后加以运用。