什么是机器学习

机器学习的任务

个人觉得机器学习是用来挖掘数据中人们难以发现的有用信息，或者是用来替代人类用机器完成人们可以完成的工作。前者是普通人难以做成的，比如说预测股票的走势、预测天气状况等等。而后者则是普通人可以完成的工作，但使用机器学习使人从重复的工作中解脱出来，或者能够比人做的更好，比如说识别人脸、下围棋是普通人可以完成的工作，机器学习在人脸识别这项任务上主要是做到像人一样识别准确，因为人有迁移学习的能力，而在下围棋这件事上，机器学习要完成的任务就是比人下得更好。

机器学习的实质

机器学习其实没有什么神奇的地方，无非是使用数学的工具，再交叉其他学科完成一些任务。机器学习可以从有潜在价值的数据中获得有用信息，但是机器学习不是神，对于没有任何分布的数据，机器学习也无能为力。
机器学习的实质差不多就是找到一个function。对于输入input能够给出符合要求的输出output。
例如：

Different types of functions

根据要寻找的function的类型的不同，机器学习可以分为回归、分类以及结构学习。

Regression

对于输入，regression输出的是标量数值。

Classification

给定输入，classification输出数据所属的类别。

Structured Learning

结构学习能够输出有结构的信息，比如说生成诗词、文档、图像等等。

如何寻找一个function

1.function with unknown parameters

这一步其实是给出一个函数集，对于不同的参数，具体的函数不同。

2.define loss function from training data

Loss函数的输入是参数，输出是给定这些参数确定的第一步中的function输出值y与真实值y'之间的差距。

这个差距的衡量我们可以用MAE、MSE、Cross-entropy等等来计算。

3.optimization

这一步就是找出使Loss最小的参数。常用的方法就是Gradient Descent梯度下降法。

机器学习并不难

机器学习并不难，但有很多细节需要注意，而且需要线性代数、概率论、高等数学的一些知识作为前导，个人感觉学习时不要一看到一大堆数学公式就头大。那一大堆数学公式都是一步步推导的，你可以暂时忘记了泰勒展开具体是如何写的，但给背后的原理以及他在机器学习上的应用，老师都会告诉我们，熟悉了推导的过程，数学公式只是文字语言的形式化描述罢了。数学公式很多程度上当然是为了装逼用的，但也是一种统一的描述方法，记的时候，搞懂背后的原理就OK。

参考资料:
Hong-yi Lee老师的YouTube课程