如果說在科技圈你不懂“機器學習”，那你就out了。當人們在談論機器學習時你卻插不上話？怎么辦？你是否厭倦了總是在與小伙伴的對話中點頭？讓我們來做一些改變吧。

機器學習是什么？簡單地說，就是有一些通用算法可以告訴你一些關于數據集的有趣信息，而不需要寫代碼、編程序，只要把數據交給泛型算法，就能根據數據構建自己的邏輯。

比如說，一種算法是分類算法。它可以將數據分成不同的組。用于識別手寫數字的相同分類算法也可以用于將電子郵件分為有用郵件和無用郵件，而無需更改一行代碼。兩者使用的是同一種泛型算法，提供的是不同的訓練數據，因此產出不同的分類邏輯。

這種機器學習算法就像一個黑匣子，可以重復用于許多不同的分裂問題。

當然，“機器學習”是一個呈傘狀結構的體系，除了分類算法以外，還覆蓋了各種各樣其他的泛型算法。

兩類機器學習算法

你可以暫時將機器學習算法歸為兩大類：監督學習和無監督學習。區別很簡單，但其重要性是不可忽視的。

監督學習

假設你是一名房地產經紀人，您的業務正在增長，所以您必須雇一批實習代理幫忙。但有一個問題，您可以看一眼房子，就能知道房子大概的價值，但是您雇來的實習代理沒有您的經驗，所以他們不知道如何定價房子。

為了幫助他們，您編寫了一個應用程序，這個程序可以根據房子的大小、周邊的環境等來估算您所在地區房子的價值。所以每當有人在您所在的城市賣掉一個房子后，您都記錄下來。持續3個月，將獲得很多有用信息，如：臥室數量、平方尺寸、周邊環境等等，最重要的是您寫下最終的銷售價格。

這就是我們的“訓練數據”。根據這些數據，便可以來預測其他房屋的價格。這種模式就叫做“監督學習”。

無監督學習

讓我們回到前面提到的房地產經濟人的例子。如果就連房地產經紀人都不知道每個房子的銷售價格怎么辦？即使只知道房子的大小、位置等也是可以有所作為的。這被稱為無監督學習。

事實上，隨著算法變得更好，無監督學習變得越來越重要，因為它可以在不必用正確答案標記數據的情況下使用。當然，還有很多其他類型的機器學習算法。

但我們要清楚的是，機器學習只能夠解決數據問題，所以您要確保您輸入的數據信息對解決問題是有幫助的。倘若一個問題人類專家不能手動用數據解決，計算機可能也不能解決。然而，對于那些人類能夠解決的問題，如果計算機能夠更快地解決，那豈不美哉？

想了解更多IT資訊，請訪問中培偉業官網：中培偉業