光陰似箭，歲月如梭。機器學習時間也將近大半年了，一直在思考為什么要學習這玩意。高數和線代一直是多少人的噩夢，諱莫如深的算法，加上spark、scala等各種復雜框架折磨你，仔細想一下，學這個不是自己找罪受嗎？
但是，往往這種反人類加燒腦的東西，越能體現價值，做到常人所不能。
唧唧歪歪了這么多，這個到底能做什么呢？就我的感受的話，有下面這幾點。
- 裝逼，因為媒體吹的火，只要懂一點這個的人感覺瞬間高大上了不少，面試談薪都有資本啊
- 提升實力，信息化時代的到來，加速了科技的發展，很多東西會的人多了就不值錢了，特別是it行業，僅僅只做大數據開發的人感覺工資并不一定能高到那去，機器學習現在是一個熱點，而且門檻相對較高，感覺依靠個10年應該不是問題吧
- 認知和視野，認知這玩意就跟軟實力一樣，雖然不能立馬提升收入，但輔助作用巨大，而且巨爽，因為已經高了別人一個維度，高維打低維so easy
-
認知自我，其實世界上最復雜的計算機是人的大腦，數以億計的神經元，復雜的條件反射加心理機制，遠勝于現在已有的人工智能。不過，在人類對人工智能的深挖中，帶來了神經網絡學科也的不斷進步，人的大腦為什么擅長處理圖片，人的大腦為啥對頻次比頻率更敏感，這些以后都會找到答案的
現階段的機器學習究竟能做什么呢
- 文本翻譯，基于統計學的文本翻譯已經超越了基于語法的文本翻譯，統計學能保留文本的上下級關系，而語法多種多樣，很難做到一個規則適用所有
-
降維，現實世界的數據雖然信息量豐富，但維度太多，不利于做分析，你觀察自己的大腦做判斷也就那么幾個關鍵點，所以降維能把數據的主要部分抽出來
- 回歸擬合，一組數據做線性回歸，至于預測的準不準確，主要看模型變量是不是線性相關已經數據清洗的質量
-
決策樹，模仿人類的大腦決策，這個是比較高級的，目前也實現了一小部分的決策樹功能，效果也還不錯，后面有機會上實例
好，開篇已完，希望后面的內容更加精彩
