欢迎关注ScalersTalk。IT人，搞技术，聊英语，玩口译，话学术，谈生活。学习成长，笔耕不辍。回复m查看文章列表，或者访问S君小站ScalersTalk.com
你现在看到的是技术系列文章，目前已经发表的文章如下，回复括号数字可阅读。
海量数据处理系列的前两篇：
[213]签名：集合的归纳描述
[207]海量数据相似性检测：文档的抽块处理(Shingling)
[222]文档局部敏感哈希(Locality-Sensitive Hashing)
其他系列：
[152]清高与小我：谈技术人员的优越感(4)
[150]清高与小我：谈技术人员的优越感(3)
[149]清高与小我：谈技术人员的优越感(2)
[148]清高与小我：谈技术人员的优越感(1)
[112]扯点密码学：可证明安全随笔
大家中秋节快乐！今天是第250天……
就选这么一天开始写一些自己在机器学习方面的笔记，我把上过的课，看过的书，查过的资料以及读过的论文整理出来。与上次写海量数据处理的技术文章不同，我在逻辑上不会过于跳跃。而且也计划写一些浅显的引导。所以如果你是文科读者，或者你是英语专业的，也可以从大体上了解一个技术领域，因为我会从口译的角度来类比解读。我觉得能这样写技术文章的，互联网上没有几个人吧……嗯，的确挺应景的。
1.机器学习的宏观概述
机器学习就是教计算机自动从数据中发现规律，并且应用于解决新的问题。
这里的主词是学习，所以其实我们可以借机思考一下人的学习。比如，你在学口译的时候，老师可能拿记者会材料给你讲一些译员处理的例子（也就是数据了），你需要用自己的大脑分析总结，然后再遇到新的材料后，能自己得体的译出来。这需要你的大脑从教材中发现规律，然后应用于新的需要翻译的材料上。不同之处在于，机器学习需要人工通过程序教计算机怎么做，而我们的大脑很多时候是个黑盒子，往往通过外部的指标来衡量。
机器学习其实是计算机科学与人工智能科学的一个子领域，研究的是如何从数据中学习，而不仅仅是遵循明确编程好的执行规则。也就是我们以前在学习中说的，给你很多例子，你能够融会贯通而不是生搬硬套；而不是给你一些结论，让你像公式那样永远生硬的套用。
先用不严谨的方式举例子，比如，我们在口译中有“建设”这个词，如果我们死扣规则，那肯定无一例外会处理成Construction，但是很多时候，在中文中，比如，经过多年的改革与建设，这里其实是Development。所以，你如果教计算机干活，基于规则的教法就是，建设=Construction，而机器学习的方式是基于数据的，比如，你看到有大量的译法，在这种语境下，是处理成Development，那机器能够合理地转换成Development。
Tom M. Mitchell给出了机器学习的定义：一个计算机程序能够从经验E中学习（学习任务是T，学习的表现用P衡量），如果这个程序在任务T与表现衡量P 下，可以通过经验E得到改进。“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 tasks in T, as measured by P, improves with experience E”。也就是说，机器学习是能够从经验中不断改进。这也是所谓的学习之要义所在。
对于给定数据$$(X_1,Y_1),(X_2,Y_2),….(X_n, Y_n)$$，机器自动学习$$X$$和$$Y$$之间的关系，从而对新的$$X_i$$能够预测出$$Y_i$$。于是，以前我们对于计算机是输入规则，有了机器学习的技术，现在可以输入数据；以前计算机就是执行的，现在计算机可以做决策，从机器执行到机器决策。
机器学习专注于预测。预测也就是从已知向未知的迁移，。所以机器学习的算法需要有泛化的能力。也就是我们说的举一反三。这里需要区分一点的就是数据挖掘，它更侧重于从数据中发现事先不知道的信息。
几种机器学习的应用示例：垃圾信息的识别，搜索引擎，OCR等等。
回复“100小时”查看口译100小时训练计划；回复“十万字”查看十万字视译计划。
S君的口译100小时、十万字视译训练交流QQ群，欢迎加入（群号为231441722）
S君个人微信号，ScalersTalker欢迎添加。
如果你觉得S君的文章对你有用，让你有所思有所想有所行动，不用感谢，打赏请S君喝杯咖啡就行:P 。支付宝账号是
scalerstalk [at] gmail [dot] com
想看更多相关文章，关注 ScalersTalk 回复任意小于标题括号中的三位数字查看。或者去我的站点 ScalersTalk.com 查看历史文章。