深度学习之感性理解-机器学习基础一
机器学习是什么
关于机器学习的定义，网上很多，我就不多说了，谈谈自己的理解。简单的说就是有一个事情想让计算机做，但是计算机不知道这个事情怎么做，然后你就告诉他，这个是这样做的，那个是那样做的，久而久之计算机总结出了方法，来完成你告诉他所做的事，而且越做越好。
可以看看这个趣味视频介绍：https://www.bilibili.com/video/av18588092?from=search&seid=5238280459131553618
机器学习用来干嘛的
机器学习可以做很多事情，理论上所以事情都可以，人能做的事他们都可以，因为他们也可以不断学习，不断提高。
比如一些广告推荐，电商推荐，一些视频软件首页的一些推荐，都是通过机器学习，不断的去学习你的爱好，你的习惯，从而越来越迎合你的需求，你的想法，让你觉得这个软件真只能，我还没搜索就给我推荐了，其实是根据你以往搜索的经验得出来的。
比如语音识别，翻译，人脸识别，车牌识别（很常见吧，其实就是一种车牌的图像数字识别），自动驾驶，玩游戏（alphaGo，星际争霸，dota），都是计算机机器学习的应用，未来还有更多领域会涉及到，人类能涉及到的，计算机终将也能应用到，当然目前可能还没有我们科幻片里看见的终结者这种那么先进啦。
比如最近谈论的比较火的互联网996，试想有一天出现了通用的程序员机器人，可以替代大部分工作，996也不算什么了，24247才是王道。
机器学习是怎么做的
所有我们人类要做的事情基本可以看做是个输入输出的任务。比如你口渴了，怎么解决，那就喝水，输入：水，输出：不渴了，当然中间有好多环节，可以理解成解决问题的方法。我们人类的发展也是这样的，比如电灯的发明，通过实验很多种材料才发现钨丝是比较好的，这个过程就可以理解成机器学习的过程，他也是在尝试很多种方法，最终获得一个较好的结果，至少可以完成任务的。
举个例子说明下机器学习的简单过程。你肚子饿了，想吃东西，然后你去买了个汉堡吃了，从而有2种情况：第一，汉堡不够吃，你还饿。第二，汉堡量太大，你吃不下了。或许最开始你很难量化你的胃口到底有多大，只能先吃再说了，通过这个吃汉堡，你有了对自己胃口量化的经验，你发现自己胃口可能比一个汉堡大，或者小，从而影响你下一次肚子饿的时候，你是买2个汉堡呢，还是比吃汉堡，吃个鸡腿够了。这就可以看做是一次机器学习，你已最终的结果，来优化你前面的行为(方法)，从而调整一些条件（参数），慢慢的你就会越来越了解自己的胃口，吃东西不会吃不饱，也不会浪费了，尽可能的刚刚好。
再举个简单的例子，从小到大我们都考过试吧，我们为了考个好分数，是不是得平时听课学习多用心点，是不是得回家多复习复习，是不是考试当天得有个好状态，很多因素都可能会影响我们的分数，那我们该怎么办呢。主流的肯定是上课多用心点，回家多复习，那我们怎么就觉得这2种对考个好分数最重要的，很简单，因为我们实践过了，我们发现这2种对我们的成绩影响最大，就引出了权重的概念，可以理解为某个因素对某个事情的影响程度。那我们简单的把这个分数看成1个方程式：
假设分数（100分）有这个模型（方法），那我们为了有个好分数就可以做出相应的策略了，很显然我们应该把尽可能多的时间分配给（用心+时间）上才能最大化好分数，如果我们一天就24小时，时间1+时间2=24小时，当然我们不可能把 时间1=24小时，我们除了学习还得休息，吃饭等等时间呀。我们不知道具体怎么分配，于是我们开始尝试：好像分数不够高，再测试其他的： 还想更高，再测试其他的： 满分了，试试其他的： 怎么低了，再测试其他的：
最后发现时间上12:12是最优选择，说明并不是学习时间越多越好，因为毕竟是人嘛，效率不是机器，很难调节到最优状态。假设最好的分数当然是100分啦，但是这个时间分配得尝试很多次啦，去不停的调节这些时间，让分数达到最大化。如果让计算机去做，分配可能就是24:0了，毕竟是机器嘛。这个就是一种机器学习的过程。总结来说，就是不断的去优化方法，不断的去调节各种影响因素，离目标越来越接近。
机器如何学习的趣味介绍视频：https://www.bilibili.com/video/av24542060?from=search&seid=17006038572226275282
好了，今天就到这里了，希望对学习理解有帮助，大神看见勿喷，仅为自己的学习理解，能力有限，请多包涵，图片均来自网络，侵删。