<!--go-->

人要作出一個判斷往往都是根據過往的經驗和認知來決定的。

那麼機器是什麼做的呢？

對於普通計算機演算法而言，演算法作出一個判斷是透過程式語言來實現的。

這裡用if，else語句舉個簡單的例子（為了簡單明瞭，判斷條件和輸出都沒用嚴格的程式語言，勿槓）。

if（讀者x投了推薦票）：

讀者x長得很帥

else：

讀者x長得一般

對於普通計算機演算法而言，透過上面的判斷語句，它就知道投了推薦票的讀者才是長得帥的。

但若是程式設計師有一天發現，某些投了推薦票的讀者好像也長得挺一般啊，於是他優化了演算法，將判斷條件改成了（讀者x投了推薦票and讀者x投了月票）。

這時候對於演算法來說，只有同時投了推薦票和月票的讀者才是長得帥的。

後來，程式設計師會發現，不管自己怎麼加判斷條件，似乎總有那麼一兩個讀者會跳出來推翻他的結論，他要手動制定規則讓計算機精準識別長得帥的讀者非常困難。

這時候，就需要用到機器學習演算法了。

那麼機器學習演算法是怎麼做的呢？

我們只需要隨機挑選一定數量的讀者（機器學習領域叫做訓練資料），製成一個表格，表格裡記錄上這些讀者的一些屬性，如是否投過推薦票、是否投過月票、是否留過評論、是否點過贊、是否打賞過等等（機器學習領域叫做特徵），在最後一列記錄下結論，即帥還是不帥（機器學習領域叫做標籤）。

Loading...

未載入完，嘗試【重新整理】or【關閉小說模式】or【關閉廣告遮蔽】。

嘗試更換【Firefox瀏覽器】or【Chrome谷歌瀏覽器】開啟多多收藏！

移動流量偶爾打不開，可以切換電信、聯通、Wifi。

收藏網址：www.peakbooks.cc

(＞人＜；)