了解什么是機器學習？為什么需要機器學習？
一、什么是機器學習？
字面上，「機器學習」可以拆分為兩個詞：機器、學習。
那么，簡單理解：機器學習就是讓機器去學習？
的確是這樣的，但是我們學習的目的是什么？我們學習是為了能夠掌握某種能力或者技巧。
機器學習也一樣！所以從廣義上來說，機器學習可以理解為：讓機器通過學習，具有某種能力。
現在，我們來回憶一下人類的學習過程。
想象這樣一個場景：你有一個半歲的小孩，你現在需要教你的小孩識別蘋果、香蕉。
這里面涉及到一個學習的過程：首先，你會向小孩展示蘋果和香蕉，并且告訴他：這個圓圓的是蘋果，長長的是香蕉。然后，你會重復這個過程無數遍！最終，你的小孩具有了識別蘋果和香蕉的能力。
想讓機器通過學習，掌握識別蘋果和香蕉的能力。首先，我們也需要反復多次的告訴它什么是蘋果，什么是香蕉。
與人類小孩學習過程不同的是，機器學習是從數據中提取知識。
所以，我們需要將蘋果和香蕉數據化，比如：大小、形狀、顏色。我們整理出成百上千的蘋果、香蕉數據，最后輸入電腦，再利用某個神奇的算法處理這些數據，電腦會基于這些數據生成一個文件，這個文件，我們稱之為"模型"（可以理解為人類學習后的記憶或者總結出的經驗）。
算法利用數據生成模型的過程，我們稱之為"訓練"。訓練是一個持續反復的過程，就如人類學習，需要不斷記憶、不斷總結。
最后，我們再將新的蘋果或者香蕉數據輸入，計算機利用模型就能判斷出是蘋果還是香蕉。
所以，從實踐的意義上來說：機器學習（machine learning，縮寫ML）是一種基于數據，通過算法，訓練出模型，讓程序可以基于模型預測結果的一種方法。
二、為什么需要機器學習？
在"智能"應用的早期，還沒有機器學習。當時許多"智能"系統，其實并不是我們想象中的那么智能！
機器學習之前，許多看上去智能的系統，內部采用的是人為制定的條件決策規則來處理某些智能邏輯。比如：一個早期的電影推薦系統
如果，看了"鋼鐵俠"：
推薦"復仇者聯盟"；
否則：
推薦"喜羊羊"吧；
對應到程序代碼中，這樣的邏輯就是"if-else"條件選擇。早期這樣的"智能"系統中，往往會包含很多很多的"if-else"。畢竟條件越多，推薦越準確~
好在計算機與人相比，計算機記憶力超強、運算速度超級快。成百上千的條件選擇也能輕松記住，并且快速計算，給出結果。
這種人為制定規則的方法并不適用所有場景。比如：人臉檢測、指紋解鎖等。
如今，每臺智能手機都能檢測人臉或者指紋。對于圖像的識別，計算機感知的是像素（像素組成了計算機中的圖像），與人類感知圖像的方式完全不同。所以，人類想要制定出一套好的規則來描述圖像構成，基本上是不可能的！
這時候機器學習就應運而生了。我們僅僅通過向程序輸入成千上萬的人臉圖像，就可以讓計算機識別出人臉特征，從而區分每一個人。
END.
系列文章：
本系列文章后期不定時更新，后續內容會首發在我的公眾號上。微信讀者，可以搜一搜：【程序員的一天】，即可關注！
另外，每一個關注、點贊，都是極大支持和鼓勵。最后，非常感謝閱讀本系列文章。
