簡介
2020了，機器學習的具體應用想必大家都不再陌生了。學機器學習是爲了解決問題的，在解決問題的過程中，我們會用到各種各樣的算法，這些算法匯聚到一起，就構成了我們目前看到的“機器學習”。
在解決不同的問題時，我們選擇算法前首先要考慮的就是：目的。
比如，我們要根據已有的，並且有正確結果的數據集來判斷/預測另一個數據集的情況時，我們要用到監督學習算法，而這個已有的數據，叫訓練集；這另一個數據集，叫測試集。分別對應下圖（xi,yi）和（xt,yt）：
在確定選用監督學習以後，我們還要再進一步分析問題：如果是像這個表格一樣，我們根據 5組(xi,yi) 來預測(xt,yt)，這裏的目標" yt "是一個連續值，則要用到迴歸算法；
若我們的目標是“0/1”、“紅綠藍”、“A/B/C/D”這種離散的情況，那就要用到分類算法。
迴歸和分類是兩個特別典型的監督學習種類。若我們並沒有已知正確結果的訓練集，也不需要預測目標，而是要靠着算法自己完成對數據的分類，則要用到無監督學習算法。在這其中，最具有代表性的就是聚類了。
聚類算法把訓練集中的數據分爲若干個組，每個組被稱爲“簇”，這些簇對應着不同的規律，類似於b站和a站的這些分區：
若是我們需要估計數據與每個分組的相似度，我們也可以用密度估計算法等等。
當然，除了監督和無監督學習，還有半監督學習、強化學習等等等等，不過這些都是後話了。
線性迴歸
我們首先要了解的算法是：線性迴歸算法。
線性迴歸形式簡單，易於理解，又包含了一個完整的監督學習的流程，所以用它來作爲開端是非常合適的。
我們再來看一下前文提到的表格：
這裏的(xi,yi)也叫樣例，這裏總共有5個樣例。
而線性迴歸算法的目的就是找到一條最符合這個訓練集規律的直線，來預測接下來的趨勢。顯然不是什麼歪瓜裂棗都能符合這個規律的：
在這些五顏六色的直線中，對“規律”的符合程度顯然有好有壞，這個符合的程度該怎麼表示呢？
性能度量
最常用的性能度量是“均方誤差”（MSE），其中，m是樣例的個數，而 f 是我們自己或程序算出來的線性迴歸方程，然後我們把訓練集中的m個xi代入 f，求出與yi的差，然後平方求和再除以m就是均方誤差。
相似地，還有平均絕對誤差（MAE）
除了這兩個，還有其他的方式，這裏僅舉這兩個略有代表性的例子。
在評估一個算法性能的時候，選擇何種方式的性能度量也是很重要的，MSE和MAE的差別很簡單，只是少了平方這一步，但是實際的效果可能會相差很多：
現在假設我們已經得到了一個迴歸方程，但是在訓練集中有一個異常數據，導致f(xi)-yi變得特別大，如下表格的“5184”，“72”：
| ( f(xi)-yi )^2 | f(xi) - yi |
|---|---|
| 0.36 | 0.6 |
| 7.29 | 2.7 |
| 0.64 | 0.8 |
| 5184 | 72 |
| 1.44 | 1.2 |
| 0.25 | 0.5 |
我們用MSE與MAE計算得出的結果分別爲865.333與12.967。
可見，若是訓練集中有異常值，用MAE的評估的效果可能會略好一點；而若是訓練集中沒有異常值 / 異常值無影響，或者有處理異常的措施的話，用MSE往往能更好地反應一個模型性能的好壞。
現在我們就可以用性能度量來判斷模型的性能了，接下來，我們就能根據它來找出一個最符合“規律”的性能最好的線性迴歸方程。 至於這個方法，下期再說/doge
經過兩週的調整（咕咕咕），機器學習系列總算是開坑了！接下來的時間裏，我將以我的理解儘可能地把我心中的機器學習講清。自知段位不夠，遠遠不到“講”的層次，但我會盡力保證文章的準確，不過限於水平，文中或有不當之處還請海涵，若有大佬願意指出我的錯誤，我一定會及時改正！謝謝！
我是康.，希望做一名能幫助到各位的博主！機器學習系列剛剛開坑，請多指教！
除了機器學習，我偶爾還會做一些單片機/嵌入式、Python相關的文章，歡迎感興趣的小夥伴與我共同學習，一起進步！