1:）什么是機器學習？

舉個例子，情人眼里出西施，每個人都有自己喜愛的外貌類型（我指的是第一眼印象），給出任何一張陌生人照片給你看，你都可以給出 a:)哇！好看 ?b:)平淡 c:)丑 d:)討厭 的四種情緒。那機器可不可以根據對你的分析，來判斷你對某張照片的態度呢？當然是可以的，機器一般需要這樣做：

首先提取決定你第一眼印象的所有特征，比如：

發型 ?| ?臉型 |膚色 | 眼睛 | 鼻子 | ?嘴巴 ? ? ?

然后，給出20張照片，讓你說出自己的感受，并得到以下結果

發型 | 臉型 ?| ?膚色 | 眼睛 |鼻子 | 嘴巴 | ?你的反應

長 ? ?| ? ?方 ? | ? ?黑 ? ?| ?細長 | 塌 ?| ? 大 ? | ? ? ? ? 平淡

短 ? ?|? ? 方 ? |? ? 黑 ? ?| ? ?細 ? | ?挺 ?| ?小 ? | ? ? ? ?帥

。。。。。

。。。。。

這20張照片我們就把它叫做 “訓練集”，而訓練集中的每一條記錄叫做“實例”； 每條記錄里的數據，我們把它叫做“特征向量” ； 而每條記錄的結果“你的反應”， 也有個專業名詞，叫做“標記”， 當然了，這些專業術語，如果你不是做開發的，就無需去管它。

有了這20條記錄構成的訓練集，可以構建一個初步的算法對應，比如“決策樹”，等，當然這些都不重要，早在1970年開始，這些算法就非常成熟了，現在直接可以拿來用了。

然后，當有一張新的照片出現時，根據訓練集里的數據總結出的算法，就可以推論你的態度，這就是整個機器學習的過程。

對開發人員來說，特別是對蘋果開發人員來說，可真是福氣大了，可以說完全不需要了解任何相關算法，只需要知道幾本的術語，就完全可以借助官方API開發強大的AI 應用了，這點，我在后續的教程中會有詳細的案例闡述。