前言

不写规则,给例子。

传统程序是人把规则写清楚,机器照着执行。 机器学习反过来:人给一堆例子,机器自己把规则找出来。

一个例子

判断一套房子值多少钱。

传统写法是这样:

if 面积 > 100 and 地段 == "好": price = 500 elif 面积 > 80: price = 380 else: price = 260

规则是你定的,哪条不对得自己去发现、自己改。 影响房价的因素有几十个还互相纠缠,一晚上写不完。

机器学习写法是这样:

给 5000 条记录:面积、地段、房龄、楼层 …… 成交价 让机器自己找这些数之间的关系 得到一个函数:price = f(面积, 地段, 房龄, 楼层, ...)

没有写任何一条规则,规则藏在机器找出来的那个函数里。

三个推论

数据决定上限。 记录里没有的房子类型,它学不会。

只会见过的那类问题。 拿房价数据训出来的模型,问它股票,给出的数字毫无意义。

能给出答案,但说不出理由。 「为什么这套值 420 万」,函数里有答案,但它不是人话。

能干什么

预测一个数

房价、销量、点击率

分一个类

这封邮件是不是垃圾邮件、这笔交易是不是欺诈

找相似的东西

买了这个的人还买了什么

从高维数据里看出结构

把 100 个指标压成 2 个维度画出来

不能干什么

没有数据也能干

它的全部知识来自数据,没数据就没有知识

训练没见过的情况

训练集里只有 20–40 岁的样本,来了一个 70 岁的, 它给出的是外推,通常不可信

自动告诉你该预测什么

目标是你定的,它不判断这件事值不值得做

保证因果

它学的是相关。冰淇淋销量和溺水人数高度相关, 但禁售冰淇淋不会减少溺水

和人工智能、深度学习的关系

三层包含,从外到里越来越窄。

人工智能

最外层。包括不学习的方法:专家系统、搜索、规划

机器学习

不写规则,从数据里拟合规律

深度学习

机器学习的一种,用很多层网络自动学特征

三层的划分是习惯,不是数学定义。决策树是机器学习,没人叫它人工智能; 一个下棋程序搜索几百万步,被叫人工智能,但它并不学习。

发展历史

年代

发生了什么

1959

Samuel 的跳棋程序自己下几万盘变强,第一次有人用「机器学习」这个词

1986

反向传播被推广开,神经网络第一次能训练多层

1990s

SVM、核方法兴起,数学漂亮、能解释,把神经网络挤到边缘

2012

AlexNet 在 ImageNet 上大幅领先,深度学习翻盘

2017

Transformer

1986 年反向传播就有了,2012 年才爆发。中间差的不是理论,是数据和算力。

今天用在哪

推荐系统

你可能还喜欢——点击率预测,本质是分类

广告出价

这个用户会不会点这条广告,值多少钱

风控

这笔交易是不是欺诈,模型要能解释为什么拒绝

搜索排序

哪个结果排第一

工业质检

这张图上的划痕算不算缺陷

这些场景里大部分用的不是深度学习,而是梯度提升树、逻辑回归这类方法。 训练快、能解释、数据量要求低——业务方问「为什么拒绝这个用户」时, 一棵树能答上来,一个神经网络答不上来。

需要什么

需要

到什么程度

Python

函数、类、列表、循环、import。能看懂别人的脚本

命令行

会 cd、装包、跑脚本

高中数学

看到 ∑\sum 和 ∂∂w\frac{\partial}{\partial w} 不发懵就行,不会推导没关系

不需要线性代数、概率论、微积分的系统训练。用到的地方会当场讲。

这一块的走法

线

章

讲什么

基础

1–3

问题怎么定义、线性回归、梯度下降

分类与验证

4–9

逻辑回归、交叉熵、数据划分、过拟合、正则化、评估指标

经典算法

10–14

决策树、集成、SVM、聚类、降维

收尾

15–16

特征工程与流程、从 ML 到神经网络