有很多小伙伴问过我零基础要怎么入门机器学习或者人工智能，今天来提炼一下，方便志同道合的朋友们参考。

　　什么是机器学习?

　　机器学习的核心思想是创造一种普适的算法，它能从数据中挖掘出有趣的东西，而不需要针对某个问题去写代码。你需要做的只是把数据“投喂”给普适算法，然后它会在数据上建立自己的逻辑。

　　比如说有一种算法，叫分类算法，它可以把数据分到不同的组别当中。一个识别手写数字的分类算法，也可以用作判断垃圾邮件，而无需修改一行代码。算法是同一个算法，只是输入了不同的训练数据，便有了不同的分类逻辑。

　　机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。这意味着，与其显式地编写程序来执行某些任务，不如教计算机如何开发一个算法来完成任务。有三种主要类型的机器学习：监督学习、非监督学习和强化学习，所有这些都有其特定的优点和缺点。

　　机器学习常用术语

　　机器学习领域有着许多非常基本的术语，这些术语在外人听来可能相当高深莫测。它们事实上也可能拥有非常复杂的数学背景，但需要知道：它们往往也拥有着相对浅显平凡的直观理解(上一小节的假设空间和泛化能力就是两个例子)。本小节会对这些常用的基本术语进行说明与解释，它们背后的数学理论会有所阐述，但不会涉及过于本质的东西。

　　正如前文反复强调的，数据在机器学习中发挥着不可或缺的作用;而用于描述数据的术语有好几个，需要被牢牢记住的如下。

　　“数据集”(Data Set)，就是数据的集合的意思。其中，每一条单独的数据被称为“样本”(Sample)。若没有进行特殊说明，本书都会假设数据集中样本之间在各种意义下相互独立。事实上，除了某些特殊的模型(如隐马尔可夫模型和条件随机场)，该假设在大多数场景下都是相当合理的。

　　对于每个样本，它通常具有一些“属性”(Attribute)或者说“特征”(Feature)，特征所具体取的值就被称为“特征值”(Feature Value)。

　　特征和样本所张成的空间被称为“特征空间”(Feature Space)和“样本空间”(Sample Space)，可以把它们简单地理解为特征和样本“可能存在的空间”。

　　相对应的，我们有“标签空间”(Label Space)，它描述了模型的输出“可能存在的空间”;当模型是分类器时，我们通常会称之为“类别空间”。

　　其中、数据集又可以分为以下三类：

　　训练集(Training Set);顾名思义，它是总的数据集中用来训练我们模型的部分。虽说将所有数据集都拿来当作训练集也无不可，不过为了提高及合理评估模型的泛化能力，我们通常只会取数据集中的一部分来当训练集。

　　测试集(Test Set);顾名思义，它是用来测试、评估模型泛化能力的部分。测试集不会用在模型的训练部分，换句话说，测试集相对于模型而言是“未知”的，所以拿它来评估模型的泛化能力是相当合理的。

　　交叉验证集(Cross-Validation Set，CV Set);这是比较特殊的一部分数据，它是用来调整模型具体参数的。