機器學習是什麼？

大多數人聽到“機器學習”這個詞，腦海中會浮現出一個機器人：可能是一個可靠的管家，也可能是一個致命的終結者形象，這取決於你問的物件是誰。

機器學習已經不僅僅只是一個未來幻想了，它已經存在了。事實上，在某些專門領域的應用中，例如光學字元識別（OCR），它甚至已經存在了幾十年。

但是，第一個真正成為主流並改善了億萬人民生活的機器學習應用，是 20 世紀 90 年代席捲了全世界的垃圾郵件過濾器。它不算是一個有自我意識的天網（Skynet），但從技術上來講，它確實有資格稱為一種機器學習（事實上它也學得很好，我們幾乎不需要再手動標記垃圾郵件了）。

隨後便是數以百計的機器學習應用，默默地為那些我們定期使用的產品和功能提供支援，從更好的推薦系統到語音搜尋。

什麼是機器學習

機器學習是一門能夠讓程式設計計算機從資料中學習的電腦科學（和藝術）。

這裡有一個略微籠統的定義：

機器學習研究如何讓計算機不需要明確的程式也能具備學習能力。——Arthur Samuel，1959

還有一個更偏工程化的定義：

一個計算機程式在完成任務 T 之後，獲得經驗 E，其表現效果為 P，如果任務 T 的效能表現，也就是用以衡量的 P，隨著 E 的增加而增加，可以稱其為學習。——Tom Mitchell，1997

舉例來說，垃圾郵件過濾器就是一個機器學習的程式，它通過垃圾郵件（比如使用者手動標記的垃圾郵件）以及常規郵件（非垃圾郵件）的範例，來學習標記垃圾郵件。系統用來學習的這些範例，我們稱之為訓練集。每一個訓練範例稱為訓練範例或者是訓練樣本。

在本例中，任務 T 就是給新郵件標記垃圾郵件，經驗 E 則是訓練資料，那麼衡量效能表現的指標 P 則需要我們來定義，例如，我們可以使用被正確分類的郵件的比率來衡量。這個特殊的效能衡量標準稱為精度，
經常用於衡量分類任務。

所以，如果你只是下載了維基百科的副本，你的電腦得到了更多的資料，這並不會給任何任務帶來提升。因此，它不是機器學習。

為什麼要使用機器學習

試想一下，如果讓你使用傳統程式設計技術來編寫一個垃圾郵件過濾器，你會怎麼做（如圖1）？

1) 你會看看垃圾郵件通常長什麼樣。你可能會注意到某些單詞或用語（比如“4U”“信用卡”“免費”以及“神奇的”等字眼）在這類主題中出現的頻率非常高；也許你還會在發件人名稱和郵件的正文中發現一
些其他的模式。

2) 你會為你發現的每個模式編寫檢測演算法，如果檢測到一定數量的這類模式，你的程式會將其標記為垃圾郵件。

3) 你還要測試這個程式，不斷地重複過程1和過程2，直到它變得足夠好。

---