机器学习

参考书：《机器学习》by 周志华。学习笔记，仅供参考：）

机器学习术语

周老师在《机器学习》一书中的开始，解释了很多关于机器学习的术语。

数据集：dataset

一组数据记录就是一个数据集（dataset）。

示例：instance

数据集里的每一个记录就是一个示例（instance）。每条记录是关于一个事件或者对象的描述。示例也叫样本（sample）。

特征：feature

反映事件或对象在某方面的表现或性质的东西就是特征（feature）。也叫属性（attribute）。

属性空间：attribute space

属性张成的空间。也叫样本空间（sample space）或输入空间。

D = { x₁, x₂, ..., x_m }

表示包含 m 个示例的数据集。

机器学习可以根据 the amount and type of supervision they get during training，分成 Supervised learning，Unsupervised earning，Semi supervised learning，还有 Reinforcement learning。

参考书：《Hands-On Machine Learning with Scikit-Learn and TensorFlow》by Aurélien Géron

监管学习：Supervised Learning

在监管学习中，喂给算法的数据里包含着期望得到的结果，这些东西叫 Labels（标签）。比如一个邮件垃圾过滤系统，训练它的时候用的邮件数据带着标签，邮件实例的标签表示邮件是正常邮件，还是垃圾邮件。

常见的监管学习任务有 Classification（分类）。邮件垃圾过滤器得到一个邮件，会知道它的类别属于正常邮件还是垃圾邮件。

有天早上起来，打开宁皓网，点开用户列表一看，我靠，一群 “开票” 广告用户名（开票请加q...）。一看就知道是用某种机器软件自动注册的用户名，每个用户名会稍微有点变化，每间隔一段时间就会自动注册一个这样的用户。我在后台添加了一个黑名单，禁止用户名里带 “票”。管用了一阵子，不过看来对方早有准备，他手工试了几下以后，发现 “票” 这个字被禁以后，他就把 “票”，改成 “Piao” 了。

后来我就干脆，把 “票”，“漂”，“Piao” ... 以及其它出现在垃圾用户名里的字符都放到黑名单里边，心想这回肯定没事了。结果第二天一早又发现，这哥们不 “开票” 改卖 “建材” 了。然后我就又禁用一轮，他一边注册， 我一边删，一边添加黑名单。后来可能是他累了，最后放弃了。我不想在页面上添加反人类的验证码，或者让用户玩拼图游戏。是不是可以通过机器学习来解决。

以后我们慢慢会在课程里加一点机器学习的内容，很多跟机器学习相关的库都是用 Python 语言写的。所以我们值得花点时间了解一下这门语言。宁皓网已经发布了一个 Python 课程，用 20 分钟，介绍一下从学习的准备到语法的基础。假设你对程序设计有了一点基础，了解一些基础的概念，在课程里我会非常快速地带你了解一下 Python 语言的语法。这只是一个小小的开始，先热热身，后面还有更多内容。

课程地址：https://ninghao.net/course/5133