理解五个基本概念，让你更像机器学习专家

摘要： 这篇文章主要讲述了机器学习的相关内容，阐述了机器学习的主要意义和造成过程。区别了机器学习与AI、深度学习、神经网络等专业词汇。

大多数人可能对机器学习有点恐惧或困惑。 脑子中会有它究竟是什么,它有什么发展方向,我如今能够经过它挣钱吗等等这样的问题。

这些问题的提出都是有依据的。事实上，你可能没有意识到本身其实多年来一直在训练机器学习模型。你看过苹果手机或者是Facebook上的照片吧？ 你知道它如何向你展现一组面孔并要求你识别它们吗？其实，经过标记这些照片，你正在训练面部识别模型去识别新面孔。恭喜你，如今能够说你有训练机器学习模型的经验了！但在此以前，请阅读这些机器学习基础知识，以便你能够准确回答任何后续问题。

1）机器学习能够预测

若是你只是在图片中标记朋友的面孔，那就不是在用机器学习模型。若是你上传了一张新照片系统立刻告诉你每一个人是谁，那你就是应用了机器学习模型。机器学习的主要意义在于根据图案模型和通过训练的其余因素来预测事物。它能够预测任何事物，如要基于地理位置和卧室数量预测房价，基于一年中的时间和天气的变化预测航班是否会延误，依据图片中的人物特色进行人像识别等等。

2）机器学习须要训练

你必须告诉机器学习模型它试图预测的是什么。想一想一个孩子是如何学习的，他们第一次看到香蕉，他们不知道它是什么。而后你告诉他们这是一个香蕉。下次他们看到另外一个，他们会把它识别为香蕉，机器学习就是以相似的方式工做。你能够尽量多地展现香蕉的照片，告诉它这是香蕉，而后用未经训练的香蕉图片进行测试。但这是一个过分的简化的方法，由于整个过程遗漏了告诉它什么不是香蕉的部分，除此以外还要给它展现不一样种类不一样颜色、不一样角度的香蕉图片等等。

3）达到80％的准确度就能够认为是成功的

咱们尚未达到经过机器学习平台识别图片中的香蕉达到100％的准确率技术的地步，但也不要紧，事实证实，人类去识别也不是100％准确。业界的潜规则是达到80％准确度的模型就是成功的。你们能够思考一下，在你收藏的图片中正确识别800,000张是很是有用的，虽然可能还有错误的200,000张，但这已经节省了80％的时间。毋庸置疑，这是很是有价值的。假如我能够用它使你的生产力提升如此之多，你确定会付我不少钱。而事实证实我能够用机器学习提升你的生产力。（2018年更新：80％规则改成90％规则。）

4）机器学习不一样于AI，深度学习或神经网络

人们常常随意抛出以上这些术语，听起来像专家，但其中有很大差别。

AI-人工智能是指在完成特定任务时与人类同样好（或优于人类）的计算机。它也能够指一个能够根据大量输入作出决策的机器人，与终结者或C3PO不一样。它是一个很是普遍的术语，不是颇有特指性。

ML-机器学习是实现AI的一种方法。就是经过解析数据集对某事作出预测。ML平台能够经过许多不一样的方式运行训练集来预测事物。

NL-神经网络是实现机器学习模型预测事物的方式之一。神经网络的工做有点像人的大脑，经过大量的训练来调整本身，以了解香蕉应该是什么样子。这个过程建立了很是深的节点层。

5）在AI变得有自我意识以前，咱们还有很长的路要走

https://xkcd.com/1319/%29

    我并不担忧机器学习接管地球。主要是由于若是你曾构建过一个机器学习模型，就会明白它须要依赖你来告诉它究竟该作什么。即便你给出明确的指示，它一般也会出错。你必须对这些体系很是清晰明确，让它忽然变化的可能性降到最低。即便是一个显示带有单词的框的简单网页，也须要你准确地告诉它该框出现的位置，形状，颜色，如何在不一样的浏览器上工做，如何在不一样的设备上正确显示等等。

 原文连接