机器学习的由来

光阴似箭，岁月如梭。机器学习时间也将近大半年了，一直在思考为什么要学习这玩意。高数和线代一直是多少人的噩梦，讳莫如深的算法，加上spark、scala等各种复杂框架折磨你，仔细想一下，学这个不是自己找罪受吗？
但是，往往这种反人类加烧脑的东西，越能体现价值，做到常人所不能。
唧唧歪歪了这么多，这个到底能做什么呢？就我的感受的话，有下面这几点。

• 装逼，因为媒体吹的火，只要懂一点这个的人感觉瞬间高大上了不少，面试谈薪都有资本啊
• 提升实力，信息化时代的到来，加速了科技的发展，很多东西会的人多了就不值钱了，特别是it行业，仅仅只做大数据开发的人感觉工资并不一定能高到那去，机器学习现在是一个热点，而且门槛相对较高，感觉依靠个10年应该不是问题吧
• 认知和视野，认知这玩意就跟软实力一样，虽然不能立马提升收入，但辅助作用巨大，而且巨爽，因为已经高了别人一个维度，高维打低维so easy

• 认知自我，其实世界上最复杂的计算机是人的大脑，数以亿计的神经元，复杂的条件反射加心理机制，远胜于现在已有的人工智能。不过，在人类对人工智能的深挖中，带来了神经网络学科也的不断进步，人的大脑为什么擅长处理图片，人的大脑为啥对频次比频率更敏感，这些以后都会找到答案的

  
  

现阶段的机器学习究竟能做什么呢

• 文本翻译，基于统计学的文本翻译已经超越了基于语法的文本翻译，统计学能保留文本的上下级关系，而语法多种多样，很难做到一个规则适用所有

• 降维，现实世界的数据虽然信息量丰富，但维度太多，不利于做分析，你观察自己的大脑做判断也就那么几个关键点，所以降维能把数据的主要部分抽出来

  
  
• 回归拟合，一组数据做线性回归，至于预测的准不准确，主要看模型变量是不是线性相关已经数据清洗的质量

• 决策树，模仿人类的大脑决策，这个是比较高级的，目前也实现了一小部分的决策树功能，效果也还不错，后面有机会上实例

  
  
  
  

  好，开篇已完，希望后面的内容更加精彩