趣文：如何向外行解釋機器學習和數(shù)據(jù)挖掘
有網(wǎng)友在 Quora 上提問：對于那些非計算機科學行業(yè)的人，你會如何向他們解釋機器學習和數(shù)據(jù)挖掘？ 斯坦福大學的印度學生、機器學習愛好者 Pararth Shah 在2012年12月22日的回復，非常經(jīng)典，得贊數(shù)有 3700+。
買點芒果去
假設有一天你準備去買點芒果。有個小販擺放了一車。你可以一個一個挑，然后小販根據(jù)你挑的芒果的斤兩來算錢（在印度的典型情況）。顯然，你想挑最甜最熟的芒果對吧（因為小販是按芒果的重量來算錢，而不是按芒果的品質(zhì)來算錢的）。可是你準備怎么挑呢？
你記得奶奶和你說過， 嫩黃的芒果比暗黃的甜。 所以你有了一個簡單的判斷標準：只挑嫩黃的芒果。你檢查各個芒果的顏色， 挑了些嫩黃的，買單，走人，爽不？
可沒那么簡單。
生活是很復雜的
你回到家，開始慢慢品嘗你的芒果。你發(fā)現(xiàn)有一些芒果沒有想的那么甜。你焦慮了。顯然，奶奶的智慧不夠啊。挑芒果可不是看看顏色那么簡答的。
經(jīng)過深思熟慮（并且嘗了各種不同類型的芒果）， 你發(fā)現(xiàn)那些大個兒的，嫩黃的芒果絕對是甜的，而小個兒，嫩黃的芒果，只有一半的時候是甜的（比如你買了100個嫩黃的芒果，50個比較大，50個比較小， 那么你會發(fā)現(xiàn)50個大個兒的芒果是甜的，而50個小個兒的芒果，平均只有25個是甜的）。
你對自己的發(fā)現(xiàn)非常開心，下次去買芒果的時候你就將這些規(guī)則牢牢的記在心里。但是下次再來到市集的時候，你發(fā)現(xiàn)你最喜歡的那家芒果攤搬出了鎮(zhèn)子。于 是你決定從其它賣芒果的小販那里購買芒果，但是這位小販的芒果和之前那位產(chǎn)地不同。現(xiàn)在，你突然發(fā)現(xiàn)你之前學到的挑芒果辦法（大個兒的嫩黃的芒果最甜）又 行不通了。你得從頭再學過。你在那位小販那里，品嘗了各類芒果，你發(fā)現(xiàn)在這里，小個兒、暗黃的芒果其實才是最甜的。
沒多久，你在其它城市的遠房表妹來看你。你準備好好請她吃頓芒果。但是她說芒果甜不甜無所謂，她要的芒果一定要是最多汁的。于是，你又用你的方法品嘗了各種芒果，發(fā)現(xiàn)比較軟的芒果比較多汁。
之后，你搬去了其它國家。在那里，芒果吃起來和你家鄉(xiāng)的味道完全不一樣。你發(fā)現(xiàn)綠芒果其實比黃芒果好吃。
再接著，你娶了一位討厭芒果的太太。她喜歡吃蘋果。你得天天去買蘋果。于是，你之前積累的那些挑芒果的經(jīng)驗一下子變的一文不值。你得用同樣的方法，去學習蘋果的各項物理屬性和它的味道間的關系。你確實這樣做了，因為你愛她。
有請計算機程序出場
現(xiàn)在想象一下，最近你正在寫一個計算機程序幫你挑選芒果（或者蘋果）。你會寫下如下的規(guī)則：
if(顏色是嫩黃 and 尺寸是大的 and 購自最喜歡的小販): 芒果是甜的
if(軟的): 芒果是多汁的
等等等等。
你會用這些規(guī)則來挑選芒果。你甚至會讓你的小弟去按照這個規(guī)則列表去買芒果，而且確定他一定會買到你滿意的芒果。
但是一旦在你的芒果實驗中有了新的發(fā)現(xiàn)， 你就不得不手動修改這份規(guī)則列表。你得搞清楚影響芒果質(zhì)量的所有因素的錯綜復雜的細節(jié)。
如果問題越來越復雜， 則你要針對所有的芒果類型，手動地制定挑選規(guī)就變得非常困難。你的研究將讓你拿到芒果科學的博士學位（如果有這樣的學位的話）。
可誰有那么多時間去做這事兒呢。
有請機器學習算法
機器學習算法是由普通的算法演化而來。通過自動地從提供的數(shù)據(jù)中學習，它會讓你的程序變得更“聰明”。
你從市場上的芒果里隨機的抽取一定的樣品（訓練數(shù)據(jù)）， 制作一張表格， 上面記著每個芒果的物理屬性， 比如顏色， 大小， 形狀， 產(chǎn)地， 賣家， 等等。（這些稱之為特征）。
還記錄下這個芒果甜不甜， 是否多汁，是否成熟（輸出變量）。你將這些數(shù)據(jù)提供給一個機器學習算法（分類算法/回歸算法），然后它就會學習出一個關于芒果的物理屬性和它的質(zhì)量之間關系的模型。
下次你再去市集， 只要測測那些芒果的特性（測試數(shù)據(jù)），然后將它輸入一個機器學習算法。算法將根據(jù)之前計算出的模型來預測芒果是甜的，熟的， 并且/還是多汁的。
該算法內(nèi)部使用的規(guī)則其實就是類似你之前手寫在紙上的那些規(guī)則（例如， 決策樹），或者更多涉及到的東西，但是基本上你就不需要擔心這個了。
瞧，你現(xiàn)在可以滿懷自信的去買芒果了，根本不用考慮那些挑選芒果的細節(jié)。更重要的是，你可以讓你的算法隨著時間越變越好（增強學習），當它讀進更多 的訓練數(shù)據(jù)， 它就會更加準確，并且在做了錯誤的預測之后自我修正。但是最棒的地方在于，你可以用同樣的算法去訓練不同的模型， 比如預測蘋果質(zhì)量的模型， 桔子的，香蕉的，葡萄的，櫻桃的，西瓜的，讓所有你心愛的人開心：）
這，就是專屬于你的機器學習，是不是很酷啊。
機器學習：讓你的算法更聰明， 所以你就可以偷懶嘍
