下载掌阅APP，畅读海量书库
立即打开
假设我们有个机器学习任务，是通过酒精度和颜色来区分红酒和啤酒。下面以机器学习如何区分啤酒和红酒为例（见图1-4），详细介绍一下机器学习中每一个步骤是如何工作的。
图1-4 区分红酒和啤酒案例
我们先在超市买来一堆不同种类的啤酒和红酒，然后买来测量颜色的光谱仪和用于测量酒精度的设备，最后把买来的所有酒都标记出相应的颜色和酒精度，会形成下面这张表格（见表1-3）。
表1-3 选取数据特征
这一步非常重要，因为数据的数量和质量直接决定了预测模型的好坏。
在本例中，数据是很工整的，但是在实际情况中，我们收集到的数据会有很多问题，所以会涉及数据清洗等数据预处理工作，如图1-5所示。
图1-5 数据预处理
当数据本身没有什么问题后，我们将数据分成3个部分：训练集（60%）、验证集（20%）、测试集（20%），用于后面的验证和评估工作。
研究人员和数据科学家创造了许多模型。我们可以根据不同的数据特征选择不同的模型，有些模型非常适合图像数据，有些非常适合序列（如文本或音乐），有些适合数字数据，有些适合文本数据。
在本例中，由于只有两个特征——颜色和酒精度，因此我们可以使用一个小的线性模型，这是一个相当简单的模型。
大部分人都认为训练这一步是最重要的部分，其实并非如此，数据的数量、质量，以及模型的选择比训练本身更重要。将原始数据分为训练集和测试集（交叉验证），并利用训练集训练模型，这个过程不需要人来参与，机器可以独立完成，整个过程就像做算术题。因为机器学习的本质就是一个将现实问题转换为数学问题，然后解答数学题的过程。
一旦训练完成，就可以评估模型是否有用。这是我们之前预留的验证集和测试集发挥作用的地方。这个过程可以让我们看到模型是如何预测的，即模型在现实世界中是如何表现的。
完成模型评估后，我们可能希望了解是否可以使用任意方式进一步改进训练，这些可以通过调整参数来做到。当模型进行训练时，我们隐含地假设了一些参数，可以通过人为调整这些参数来让模型表现得更出色。
前面的6个步骤都是围绕预测来服务的，这也是机器学习的价值。在这一步，当我们买来一瓶新的酒，只要告诉机器酒的颜色和酒精度，模型就会告诉我们这瓶酒是啤酒还是红酒了。