爸爸，什么是機器學習呀?

難以回答!抓了抓開始脫發的腦殼，爸比還是被這個問題KO了。這個有些學術的問題，如何給孩子解答?

近日，計算機科學博士Daniel Tunkelang就在Quora上回答了這個問題——

不如我們由機器學習中的分類問題入手，教計算機學習哪些食物好吃，哪些難吃。

[[208438]]

和人類不一樣，計算機沒有嘴巴，不能品嘗食物。所以，我們需要用很多食物樣例(標記的訓練數據)教會計算機。這項樣例中有美味的食物(正例)，也有惡心的(負例)。對于每個被標記的示例，我們給計算機提供了描述食物(特征)的方法。

正例被標記為“美味”，比如巧克力冰淇淋、披薩、草莓等。負例被標記為“惡心”，比如鳳尾魚、花椰菜和球芽甘藍。

在真正的機器學習系統中，你可能需要更多的訓練數據，但3正3負的例子夠我們了解概念了。

[[208439]]

現在，我們需要一些特征。不妨就將這些樣例設置為甜、咸和蔬菜三個特征，因為為二元特性，所以每種食物的每個特征都被賦予“是”或“否”的值。

有了這些訓練數據后，計算機的工作就是從這些數據中總結一個公式(模型)。這樣，當它會遇到新食物時，它能根據模型決定食物是美味還是惡心的。

一種模型是點系統(線性模型)。如果具備每個特性，就會得到一定分數(權重)，如果不具備就沒有分數。然后，模型將食物的點數加起來，得到最終分。

模型里有一個分界點，若得分高于分界點，模型就判定食物美味;如果分數低于分界點，就判定為難吃。

根據訓練數據，模型中的特征分可能會被設置為甜3分，咸1分，松脆1分，蔬菜為-1分。則巧克力冰淇淋、披薩、草莓、鳳尾魚、花椰菜、和球芽甘藍在模型中的得分如下：

權重讓選擇分界點更容易，因為正例都得分≥2，負例得分≤1。

總能正確找到權重和分界點不太容易。即使找到了，最終可能會得到一個只適用于這個訓練數據的模型，但當我們用新例子時，模型效果就沒這么好了(過度擬合)。

理想的模型不僅在訓練數據中正確率高，在新例中仍然有效(泛化)。通常，簡單模型比復雜模型(奧卡姆剃刀)更容易一般化。

我們可以不使用線性模型，構建決策樹也是個好方法。在決策樹中，只能問能用“是”和“否”回答的問題。

用訓練數據讓決策樹答對并不難，在這個示例中訓練數據是這樣利用的：

• 這是蔬菜嗎?
• 如果是，則難吃。
• 如果不是，那它是甜的嗎?
• 如果是，則好吃。
• 如果不是，那它是松脆的嗎?
• 如果是，則好吃。
• 如果不是，則難吃。

如同線性模型，我們需要擔心過度擬合，不能讓決策樹太深。所以這意味著最終可能會有一個模型，雖然在我們的訓練數據上會犯錯，但能對新數據更好泛化。

希望孩子能聽懂這個機器學習的解釋~