第(1/3)頁

    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。

    那么機器是什么做的呢？

    對于普通計算機算法而言，算法作出一個判斷是通過程序語言來實現的。

    這里用if，else語句舉個簡單的例子（為了簡單明了，判斷條件和輸出都沒用嚴格的程序語言，勿杠）。

    if（讀者x投了推薦票）：

    讀者x長得很帥

    else：

    讀者x長得一般

    對于普通計算機算法而言，通過上面的判斷語句，它就知道投了推薦票的讀者才是長得帥的。

    但若是程序員有一天發現,                某些投了推薦票的讀者好像也長得挺一般啊，于是他優化了算法，將判斷條件改成了（讀者x投了推薦票and讀者x投了月票）。

    這時候對于算法來說，只有同時投了推薦票和月票的讀者才是長得帥的。

    后來，程序員會發現，不管自己怎么加判斷條件,                似乎總有那么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算法了。

    那么機器學習算法是怎么做的呢？

    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數據），制成一個表格，表格里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征），在最后一列記錄下結論，即帥還是不帥（機器學習領域叫做標簽）。

    將這樣一個訓練數據提供給機器學習算法，訓練結束之后，它會學習出一個關于讀者的特征和該讀者是否帥之間關系的模型。
    第(1/3)頁