导入
机器学习基础
学习机器学习的基本概念。
什么是机器学习？
阿瑟·塞缪尔（Arthur Samuel）将机器学习定义为：
“机器学习是一门使计算机能够在未被明确编程的情况下进行学习的学科。” ~ 阿瑟·塞缪尔
传统编程与机器学习的区别
在传统编程中，算法是已知的，我们会编写函数来生成输出。而在机器学习中，输入和输出是已知的，但产生输出的算法是未知的，需要模型自行学习。
...
传统编程 vs. 机器学习
| 传统编程 | 机器学习 |
|---|---|
| 输入数据 | 给定输入和输出 |
| 应用逻辑以生成结果 | 推断出算法 |
温度转换问题
假设你想编写一个程序，将摄氏度转换为华氏度。输入是摄氏温度，输出是华氏温度。
...
摄氏度到华氏度转换问题
💡 问题：当输入值为 40 时，输出是多少？
在**传统编程**中，可以编写一个函数，接收摄氏度输入，并使用公式 $F = C \times 1.8 + 32$ 返回华氏度结果。 注意，程序是被明确告知执行步骤的。
...
传统编程
在**机器学习**方法中，输入和输出是已知的，模型会自动学习输入与输出之间的关系。
...
温度转换问题是回归问题，因为我们预测的是连续的输出值。
接下来，我们讨论分类问题。
欺诈检测问题
为了判断给定的交易数据是否为欺诈行为，可以训练一个模型，学习输入的交易数据与输出类别（欺诈 / 合法）之间的关系。训练完成后，该模型可用于对新的、未见过的交易数据进行分类判断。
📝 问题：能否让机器完美预测结果？
答案是：不能。机器学习的最终目标不是做出完美预测，而是做出“尽可能好”的预测，使其具有实际应用价值。
核心要点
- 机器学习算法接收输入和输出数据，自动学习其中的关系规律。
- 提供给模型的数据称为特征（features），预测的目标称为标签（label）。
- 模型将持续训练，直到找到输入与输出之间最优的关系。