Why machine learning

机器学习在天气预测中的应用

你是一名软件工程师，正在开发一个预测天气软件，你会发现好像没有什么逻辑能不靠外部的 api 可以预测未来的天气。因此，机器学习应然而生，一个用算法从数据中自动学习规律的机器，并根据这些规律来进行预测和决策。比如说通过大量过去的天气数据来进行预测。

逻辑推理方法

归纳法

我们知道每天太阳都会升起，所以我们推断明天太阳也会升起。但你永远不知道以后会不会一定升起。

演绎法

只要前提正确，结果必定正确。比如一个三角形内角和为 180°。

机器学习问题类型

分类问题

给定一个有限的集合，输出是里面的某个值（比如一组动物分类的猫）

回归问题

当输出是一个数值（温度、分数）。或许叫数值预测更好理解。

学习类型

监督学习

训练集打好了标签（label），比如每一张动物分类的图像，我都标注了对应的动物，从而用训练集来训练出一个模型，使它能够认识到这些生物。

无监督学习

没有标签。最常见的是聚类方法，比如说给训练集很多张蜈蚣的图片和其它生物的图片，通过聚类，模型能够将形态相似的图片分成一组（蜈蚣）。

强化学习

通过奖赏和惩罚机制进行学习。模型尝试某种行为（如预测动物类别），如果正确，就获得奖励；如果错误，则受到惩罚。通过反复试错，模型逐渐学会选择最优策略。