第1章

机器学习概述

慎终如始，则无败事。

—《道德经》第六十四章

谨慎地做到最终，就像开始时一样，就不会有失败和差错。

但凡人们办事时，容易虎头蛇尾，开始时认真﹑细致、谨慎、严肃，久后则敷衍、马虎、粗心、草率，这样往往事倍功半。办任何事情，自始至终都应慎之又慎，这样才不会出现差错。故老子用“慎终如始”告诫人们办事应有始有终，始终如一，这样才不至于把事情办糟，大数据机器学习实践之路也是如此。

本章从机器学习的相关基本概念讲起，包括大数据、机器学习、大数据生态中的机器学习，并针对机器学习算法进行分类归纳，总结机器学习的综合应用场景。

1.1　机器学习概述

随着大数据的发展，机器学习进入了最美好的时代，通过“涟漪效应”逐步迭代，大数据推动机器学习真正实现落地。

接下来，我们从大数据讲起，扩展到机器学习的发展和大数据生态。

1.1.1　理解大数据

提起大数据，人们会不由地想起盲人摸象的故事。

从前，有四个盲人很想知道大象是什么样子，可他们看不见，只好用手摸。胖盲人摸到大象的牙齿，认为大象就像一个又大、又粗、又光滑的大萝卜；高个子盲人摸到大象的耳朵，认为大象是一把大蒲扇；矮个子盲人摸到了大象的腿，认为大象只是根大柱子；年老的盲人摸到大象的尾巴，认为大象只是一根草绳。如图1-1所示，四个盲人争吵不休，都说自己摸到的才是大象真正的样子。

图1-1　“盲人摸象”故事

从这个故事可以看出，数据源越多越精确，越能无限逼近事实和真相，越能获得更深邃的智慧和洞察，这就是大数据的价值。

“大数据（Big Data，BD）”的概念早已有之，1980年著名未来学家阿尔文·托夫勒在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪潮的华彩乐章”。近几年，“大数据”和“物联网”“云计算”“人工智能”一道成为信息技术行业的流行词汇，理清楚它们的关系是理解大数据的前提，但是和大数据概念一样，每个人都有自己的理解。

徐宗本院士在“再论大数据—在人工智能的浪潮下对大数据的再认识”报告中提出大数据与其他信息技术的关系：物联网是“交互方式”，云计算是“基础设施”，人工智能是“场景应用”，大数据是“交互内容”。大数据使用物联网交互方式、存储在云计算基础设施、支持人工智能场景应用，生成完整的价值链。

陈国良院士在“大数据与高性能计算”报告中提出了物联网（IoT）、大数据（BD）、云计算（CC）生态链，如图1-2所示。 

① IoT通过采集与捕获产生了BD；② BD为CC找到了更多的实际应用；③ CC为BD提供了弹性可扩展的存储和并行处理；④ BD为IoT产生了大价值，云计算与高性能计算是一对在出生时被分开的兄弟，两者相结合得到的高性能云计算能产生更大的价值。

总之，大数据的存储、处理需要云计算基础设施的支撑，云计算需要海量数据的处理能力证明自身的价值；人工智能技术的进步离不开云计算能力的不断增长，云计算让人工智能服务无处不在、触手可及；大数据的价值发现需要高效的人工智能方法，人工智能的自我学习需要海量数据的输入。随着大数据和人工智能的深度融合，高度数据化的AI（人工智能）和高度智能化的DT（大数据技术）并存将是时代新常态。