第 1 课 - 什么是机器学习

1. 学习目标

完成本课学习后，你将能够：

解释机器学习的基本概念和核心思想。
区分机器学习与传统编程的核心差异。
识别并说明机器学习任务中的关键要素（数据、特征、模型）。
描述一个简单的机器学习项目的基本流程。
列举机器学习在现实世界中的几个常见应用。

2. 核心概念

2.1 什么是机器学习？

想象一下，你正在教一个孩子识别苹果。你不会给他一本规则手册，写着“圆形、红色、有果柄的是苹果”。相反，你会给他看很多苹果和非苹果（比如橘子、红色的球）的图片，并告诉他“这是苹果”、“这不是苹果”。通过反复观察，孩子自己总结出规律，未来就能识别出从未见过的苹果。

机器学习（Machine Learning, ML） 就是这个过程的自动化。它让计算机能够从数据中自动学习出规律和模式，从而做出决策或预测，而无需为每个具体任务编写显式的程序规则。

一个简单的定义：机器学习是人工智能的一个分支，它赋予计算机通过经验（数据）自动改进的能力。

2.2 机器学习 vs. 传统编程

这是理解机器学习最关键的区别：

传统编程：人类明确制定规则，计算机根据规则处理数据，得出结果。
- 规则 + 数据 → 结果
- 例子：编写一个函数，当温度高于30°C时，返回“天气炎热”。
机器学习：人类提供大量数据和期望的结果，计算机自己推断规则。
- 数据 + 结果 → 规则（模型）
- 例子：给计算机成千上万条“（温度，湿度，风速等）→ 天气描述（炎热/凉爽）”的历史记录，让它自己学习出判断“炎热”的规则。

2.3 关键术语入门

数据（Data）：机器学习的“燃料”。通常是一张表格，每一行是一个样本（例如，一个客户、一张图片），每一列是一个特征（例如，年龄、收入；像素值）。
特征（Features）：描述样本的属性。选择哪些特征至关重要。
模型（Model）：从数据中学习到的“规律”的数学表示。它就像一个从特征到结果的函数。
训练（Training）：使用数据来“教会”模型这个函数的过程。
预测（Prediction）：将新数据输入训练好的模型，得到输出结果。

3. 代码示例：第一个机器学习程序

我们将使用Python中最流行的机器学习库scikit-learn，通过一个简单的线性回归例子，预测房价。这能直观展示ML的流程。

前提：确保已安装所需库。在终端运行：pip install numpy matplotlib scikit-learn

# 第0步：导入必要的库
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 第1步：准备数据
# 假设我们有一些房屋面积（平方米）和对应房价（万元）的数据
# 我们手动创建一些数据作为示例
house_areas = np.array([50, 60, 80, 100, 120, 150])  # 特征（X）
house_prices = np.array([150, 180, 240, 300, 360, 450]) # 目标（Y）

# 将数据调整为scikit-learn要求的格式（每个样本是二维数组）
X = house_areas.reshape(-1, 1) # 转换为列向量
Y = house_prices

print("特征矩阵X的形状:", X.shape)  # (6, 1) 6个样本，每个样本1个特征
print("目标向量Y的形状:", Y.shape)  # (6,)

# 第2步：划分训练集和测试集
# 我们用大部分数据训练模型，留一小部分来测试它是否真的学到了规律，而不是死记硬背。
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=42)
# test_size=0.2 表示20%的数据用于测试，80%用于训练。
# random_state 确保每次划分结果一致，便于学习。

print(f"训练集样本数: {len(X_train)}")
print(f"测试集样本数: {len(X_test)}")

# 第3步：创建并训练模型
model = LinearRegression()  # 创建一个线性回归模型
model.fit(X_train, Y_train) # 用训练数据“训练”模型，即寻找最佳拟合直线 y = wx + b

# 训练后，我们可以查看模型学到的参数
print(f"模型学到的斜率(w): {model.coef_[0]:.2f}")
print(f"模型学到的截距(b): {model.intercept_:.2f}")

# 第4步：使用模型进行预测
# 用测试集数据进行预测，看看模型在从未见过的数据上表现如何
Y_pred = model.predict(X_test)
print("测试集真实房价:", Y_test)
print("模型预测房价:", np.round(Y_pred, 2))

# 第5步：可视化结果（可选，但很有帮助）
plt.figure(figsize=(10, 6))
plt.scatter(X, Y, color='blue', label='所有原始数据')
plt.plot(X, model.predict(X), color='red', linewidth=2, label='模型学习到的规律 (线性拟合)')
plt.scatter(X_test, Y_pred, color='green', marker='x', s=100, label='测试集预测结果')
plt.xlabel('房屋面积 (平方米)')
plt.ylabel('房价 (万元)')
plt.title('我的第一个机器学习模型：房价预测')
plt.legend()
plt.grid(True)
plt.show()

# 第6步：评估模型（简单评估）
# 一个简单的评估指标：均方误差(MSE)，值越小越好
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(Y_test, Y_pred)
print(f"模型在测试集上的均方误差(MSE): {mse:.2f}")

运行结果解读：你会看到模型输出一个斜率和截距，以及测试集的预测值。图形会显示一条红色的直线，它尝试穿过所有蓝色数据点，并用绿色叉号标记对测试集的预测。这展示了机器学习“从数据中学习规律”的核心过程。

4. 实践练习

练习1：调整参数 修改上面的代码，将test_size改为0.3。观察训练集和测试集的样本数量变化，以及模型参数和MSE是否会发生变化？思考为什么。

练习2：增加一个特征 当前模型只用了“面积”一个特征。假设你还收集了“卧室数量”的数据。请修改代码，使用两个特征（面积，卧室数）来预测房价。

提示：你需要构建一个新的X矩阵，形状为(6, 2)。
新数据：bedrooms = np.array([1, 1, 2, 2, 3, 3])。

练习3：尝试不同模型 将LinearRegression()替换为KNeighborsRegressor(n_neighbors=3)（K近邻回归器）。比较新旧模型的MSE和可视化图形有何不同？哪种模型在这组简单数据上拟合得更好？（注：KNN需要从sklearn.neighbors导入）。

5. 常见错误

混淆机器学习与人工智能：ML是实现AI的一种主要方法，但AI范围更广（还包括规则系统、专家系统等）。
期望过高：机器学习不能从“垃圾数据”中变出“黄金规律”。“Garbage In, Garbage Out” 是铁律。数据质量和特征工程至关重要。
忽略评估：只看训练集上的表现（训练误差）是危险的，容易导致过拟合——模型死记硬背了训练数据，对新数据毫无用处。必须使用测试集评估泛化能力。
不理解“黑箱”：初学者常觉得ML模型神秘。虽然复杂模型（如深度神经网络）的内部决策难以完全解释，但其核心仍是数学函数，输入数据，输出结果。

6. 小结

本节课我们开启了机器学习之旅：

核心思想：机器学习让计算机从数据中自动学习规律，而不是依赖人类手动编写规则。
关键区别：传统编程 = 规则+数据→结果，机器学习 = 数据+结果→规则(模型)。
基本流程：1) 获取数据 -> 2) 划分训练/测试集 -> 3) 选择并训练模型 -> 4) 评估与预测。
第一段代码：我们用scikit-learn实现了线性回归，完成了从数据准备到预测可视化的完整流程。
现实应用：机器学习无处不在，如推荐系统（淘宝、抖音）、人脸识别、自动驾驶、医疗诊断、金融风控等。

下一课预告：我们将深入探讨机器学习的三大主要类型——监督学习（就像本课的例子，有明确答案）、无监督学习（让机器自己发现数据中的群组）和强化学习（通过试错与奖励来学习策略）。这将为你构建更清晰的ML知识地图。

练习编辑器

rust