这两天看了一些机器学习的资料，机器学习其实类似于人类的统计归纳的思想。基于这一思想，将机器学习的一些有价值的点系统化，加入一些自己对机器学习的思考。
“A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P,if its performance at task in T ,as measured by P,improves with experience E” ~~ Tom Mitchell
这句话引自机器学习的泰斗，Tom Mitchell. 读起来很有韵脚。其实归纳起来就是三个项目，task,experience,performance. 根据之前的经验或者数据，建立一套模型，然后执行task, 执行的好坏是可以度量的，指标为performance,比如预测准确度。
机器学习的意义就在于，人类赋予机器一种自动自发的能力，机器有了主动，他不需要人类的指令，利用数据就可以进行下一步的运算。
上升到哲学层面，相关而不是因果的思想是支持机器学习工作下去的核心理念，统计思想，大数据的发展就是机器学习登台的绝佳时机。
总之，机器学习的方法就是计算机利用已有的数据（经验），得出了某种模式（规律），并利用此模型预测未来的一种方法。与任何人类的学习模式是类似的，人嘛，活在这个世界上，总在不停的学习各种生存技能，比如怎么挑菜，做菜，和面，包饺子，亦或是目前比较得势的618，怎么秒杀，怎么抢券，过年回家买票，根据以往经验（数据 experience），从资金，路程，疲惫程度，有没有伴，开不开心，好不好请假等等因素结合起来，得出了一套模型，也就是我们平时决策的一个套路，根据这个套路，未来有要过年回家的时候，将目前的状态输入进脑子里面，大脑经过处理决策今年怎么回（Task），最终回去的时候，开不开心，路途顺不顺利来衡量这个决策是不是成功。（Performance）
人是有感情的动物，所以每次并不会十分冷血的选择最佳的模型，而机器不是，最优化永远是他运算的标准。机器学习最终的路会是什么，感觉后背发凉。
盗一张别人的图，我觉得很好的诠释了机器学习的模式。
人并不是越老越智慧，总需要反思，每日三省，经验得到累积，或者不去直接反省，很多事情总会潜移默化的影响到自己，今天的自己总是很多昨日自己的重叠。于是，人的智慧和经历是呈正比的，机器学习亦是。数据量越大，模型建立的越完善。天才的思路，算法是一半，剩下就全靠数据量去达到完美的境界了。
现在机器学习的范围有模式识别、图像语音识别、统计学习，自然语言处理，人类将像孩子一样培养，让机器表现的越来越像人类了，同时也是理智完美到爆的人类。
