这是从Layman，Mathematician和Coding角度解释机器学习的系列文章的第二章。 目标读者是想要了解机器学习理论，背后的数学以及如何使用Python语言实际实现的任何人。 这将通过有关家庭及其互动的故事来解释。 单击第1章：幻觉，以了解有关家庭和该系列的开始。
现实：真正的机器学习是什么
诺克斯家人应邀参加了诺克斯朋友儿子的婚礼。 婚礼非常可爱，有很多花，酒和美丽的蛋糕。 诺克斯家族也与新娘和新郎共舞。 他们坐在餐桌上，诺克斯注意到了Ava的好奇面孔，并问“ Ava，我看到您不是100％在这里，正在想些事情”，Ava回答说：“是，我仍然对Machine背后的现实感到好奇。学习？ 从您向我解释机器学习背后的幻想的那一天起，我仍然想知道它的现实。”诺克斯，丽莎和卡特对此大笑，诺克斯说：“好吧，我将解释机器学习的现实 ”。
Layman对什么是机器学习的解释是：
Ava通过简单地举例说明您每天使用的洗衣机（例如洗衣机）来了解机器学习的概念。 现在，洗衣机根据衣物类型提供各种设置，即它们是否精致，是床单还是日常衣物。 也可能有水类型的设置，例如硬水等。另外，您可能会在一周的某天洗某些类型的衣服，例如周末可能会洗床单，或者夏季可能比冬天多洗衣服天。
现在，想象一下，而不是您必须手动设置的所有这些设置，而是洗衣机自己通过使用一些传感器来学习所有这些不同的组合或样式，并且下次将衣服放入洗衣机时，它会自动开始洗涤无需任何设置即可提供最佳洗涤性能。 简而言之， Machine从我们过去的活动中学到的知识，可以在无需任何人工干预的情况下提供最佳的性能。
因此，这非常类似于我们人类的学习方式。 我们观察环境并根据过去的经验来决定下一步行动。 当然，我们会犯错，但是学习过程中的机器也会犯错，并且有一种方法可以使机器将错误最小化。
什么是机器学习的数学解释：
要了解机器学习背后的数学，我们首先必须了解方程式。 丽莎，您可能已经了解方程式。 但是，让我为Ava和Karter解释一下。 在数学中，当我们有一个像2x + 5 = 9的公式时，我们称其为方程。 一个方程只不过是两个用等号（“ =”）连接的表达式或语句。 等号两侧的表达式分别称为等式的“左侧”和“右侧”。 X是上述方程式中的变量，因为我们不知道它的值，并且可以有任何值。 而2、5和9是常数，它们永远不会改变。
理解这一点的简单示例是称重机。 假设如果我们的右侧有9个球，那么X的值应该是多少，使得左侧等于右侧，这样加权机器就变得平衡了，并且任何一方都没有另一方的着色。 我们可以尝试X的多个值，例如1，这将使左手方程成为2（1）+ 5，基本上将其求解为（2 * 1）+ 5，其值将为7。对于右侧的9，如果将X替换为2，我们将得到9，它等于右侧的值。
还请注意，方程式中可以有两个变量而不是单个变量X。 例如y = 2x + 5。 现在将Y称为因变量，将X称为独立值，原因是Y的值完全取决于X的值。 因此，X也称为输入变量，Y也称为输出变量。 例如，如果X = 1等于Y =（2 * 1）+ 5等于7，如果X = 2等于Y =9。另外一个琐事，这些方程称为线性方程，让我用一个简单图：
现在在此图中，我们有两个轴，即X轴和Y轴。 让我们以前面的示例y = 2x + 5为例。现在让我们从X = 1、2和3的值开始。当X = 1，Y = 7时。类似地，当X = 2，Y = 9以及X = 3时，Y = 11这就是上图所示，并且您可以看到X和Y之间的线是线性的，无论输入变量X的值是多少。 因此，这些方程式被称为线性方程式，因为它们之间具有线性关系，并且在绘制在图表上时会形成一条直线。
现在让我们进入主要部分，即数学的这一特定部分与机器学习之间的关系。 可以说，我们具有属性的大小作为输入变量X，其值是-1000平方英尺，2000平方英尺，3000平方英尺，4000平方英尺和5000平方英尺。 而且我们知道除最后一个值之外的所有X值的属性价格，即输出变量Y的值分别为：1000平方英尺300000、2000平方英尺320000、3000平方英尺375000和4000平方英尺415000未知5000平方呎 现在我们必须预测X为5000平方英尺时Y的值是多少。
因此，我们将已知的输入值和输出值提供给机器。 将要使用的机器是：给定X值，它将尝试预测输出Y，即首先针对输入值1000平方英尺（X）预测价格（Y）。 让我们将预测输出称为Predicted_Y，机器得出结论Predicted_Y =200000。然后将其与实际Y = 300000值进行比较。 如果Predicted_Y接近实际Y，则它将进一步移动，否则将从错误中吸取教训，并在方程式中调整其常数，以使Predicted_Y更接近实际Y值。 此学习过程将继续进行，直到最后一个输入值X = 4000 sq.ft，并且对于每个输入值X，它将调整其常数。 现在，一旦学习过程结束，我们就可以轻松地使用机器来预测输入值X = 5000平方英尺的未知Y值。
因此，我们可以安全地得出结论，机器学习正在调整常量，以使Predicted_Y更接近实际Y。这些常量也称为参数，但稍后会更多。
关于什么是机器学习的Python解释：
Karter现在，您所需要知道的是，有一个SKLearn库，也称为“ Sci-Kit Learn”，通过它我们可以实现各种机器学习算法。 您可能会惊讶地知道用Python语言实现机器学习算法有多么容易，并且可能只需要编写3-4行代码即可实现该算法。 我们可能有一天会讨论这个问题。
这使Ava的脸上露出笑容，她说：“我终于很高兴了解什么是机器学习，并且比这更激动！” 诺克斯对此说：“您可能错了，我对此感到无比兴奋。 等到我介绍《家谱》，但也许有一天。 （ 待续 ）”
离开之前，诺克斯还想测试一下他的家人对机器学习的了解程度。 他问了几个问题。 在下面评论答案：
1. ML代表什么？
一种。 魔术学习
b。 模拟学习
C。 机器学习
d。 多重学习
2.等式y = 2x + 5中的X是多少？
一种。 线性变量
b。 自变量
C。 因变量
d。 虚拟变量
3. 等式y = 2x + 5中的Y是多少？
一种。 线性变量
b。 自变量
C。 因变量
d。 虚拟变量
