你好，我是白朔天，欢迎进入机器学习的世界。接下来的分享中，我们将探讨机器学习建模、评估等方面的核心知识，涵盖机器学习的基本概念和相关的重要内容。

01 机器学习基本概念

机器学习从字面上理解即“让机器具备学习能力”，这与人类的学习过程相类似。人类通过不断学习和实践，最终将所学知识应用于社会。同样，如果能够让机器学习，它们也能像人类一样掌握知识，进而服务于社会。

那么，机器学习的具体目标是什么？为了回答这个问题，我们可以回顾学生时代的学习过程。例如，教材中会介绍加法的计算方法，并提供例题。通过这些输入，我们学会了加法并能在考试中正确解答类似问题。即使遇到未见过的题目，如101+205，我们也能得出正确答案306。

由此引发的一个问题是，如果能够抽象化人类学习过程，并将其转化为一套固定的方法，然后利用机器（如程序、软件或计算机）批量执行这些方法，那么机器是否也能像人类一样拥有学习能力，并掌握特定知识？

这正是机器学习研究的核心问题，也是其最初的目标。

02 机器学习的 3 把金钥匙

人类学习的过程包括做题、校验、归纳。如果我们能够将这些过程提炼成一套固定的方法和规则，那么机器也可以具备学习能力。

在机器学习中，这被称为“3 把金钥匙”，分别是“模型”、“策略”和“算法”。

一、模型

模型对应人类学习过程中的“做题”。做题就是根据题目信息输入答案的过程，可以用数学语言描述为函数 y=f(w,x)，其中 x 是输入信息（特征向量），y 是模型给出的答案（预测值），w 是模型参数。

二、策略

策略对应人类学习过程中的“校验”。校验是将预测值与实际结果对比的过程。在机器学习中，这一过程由损失函数（Loss Function）衡量，损失函数用来评估预测值与实际值之间的差距。

三、算法

算法对应人类学习过程中的“归纳”。通过调整参数 w，使损失函数达到最小值，从而不断优化模型。这可以通过求解损失函数的极值来实现。

通过对这 3 把金钥匙的理解，我们可以更好地掌握机器学习的核心原理。尽管存在多种模型（如线性回归、逻辑回归、决策树、神经网络等），但它们都遵循这 3 把金钥匙的原则。可以说，机器学习就是解决一组方程的过程。只要掌握了这 3 个关键方程，就能学会机器学习。

总结

本节介绍了机器学习的基础知识，包括监督学习和无监督学习的区别，以及监督学习中的回归和分类问题。下一节我们将讨论线性回归。

希望这些内容对你有所帮助。感谢阅读！

本文选自：拉勾教育专栏《机器学习入门21讲》见文末了解更多

版权声明：本文版权归属拉勾教育及该专栏作者，任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发布/发表，违者必究。