<!--go-->

人要作出一个判断往往都是根据过往的经验和认知来决定的。

那么机器是什么做的呢？

对于普通计算机算法而言，算法作出一个判断是通过程序语言来实现的。

这里用if，else语句举个简单的例子（为了简单明了，判断条件和输出都没用严格的程序语言，勿杠）。

if（读者x投了推荐票）：

读者x长得很帅

else：

读者x长得一般

对于普通计算机算法而言，通过上面的判断语句，它就知道投了推荐票的读者才是长得帅的。

但若是程序员有一天发现，某些投了推荐票的读者好像也长得挺一般啊，于是他优化了算法，将判断条件改成了（读者x投了推荐票and读者x投了月票）。

这时候对于算法来说，只有同时投了推荐票和月票的读者才是长得帅的。

后来，程序员会发现，不管自己怎么加判断条件，似乎总有那么一两个读者会跳出来推翻他的结论，他要手动制定规则让计算机精准识别长得帅的读者非常困难。

这时候，就需要用到机器学习算法了。

那么机器学习算法是怎么做的呢？

我们只需要随机挑选一定数量的读者（机器学习领域叫做训练数据），制成一个表格，表格里记录上这些读者的一些属性，如是否投过推荐票、是否投过月票、是否留过评论、是否点过赞、是否打赏过等等（机器学习领域叫做特征），在最后一列记录下结论，即帅还是不帅（机器学习领域叫做标签）。

将这样一个训练数据提供给机器学习算法，训练结束之后，它会学习出一个关于读者的特征和该读者是否帅之间关系的模型。

此时再让它来判断一个新读者是否帅，他便会根据这个训练模型给出一个该读者帅的概率和不帅的概率。

Loading...

未加载完，尝试【刷新】or【关闭小说模式】or【关闭广告屏蔽】。

尝试更换【Firefox浏览器】or【Chrome谷歌浏览器】打开多多收藏！

移动流量偶尔打不开，可以切换电信、联通、Wifi。

收藏网址：www.ebookchina.com

(＞人＜；)