第3章 传统机器学习

3.1 统计机器学习的简介

3.1.1 统计机器学习的概念

统计机器学习是从数据中鉴别模式的一系列方法的集合。从数据中分析各类模式并不是机器的专利，我们对这种分析非常熟悉，而且这种分析每天都发生在我们的生活中。

例如，一个病人因心脏不适入院，医生安排病人进行心电图检查，如图3-1所示，这项检查通过将电极连接在病人胸口的皮肤上，记录病人心脏的电活动，这些电活动通过显示器实时地显示在监视器上，并被打印在纸上。由于受伤的心肌通常不会传导电脉冲，因此心电图检查可以显示心脏病发作或心肌受损。其他对心脏的检查还包括胸部X光、冠状动脉血管造影、心脏CT或磁共振成像（MRI）等。在这一系列的检查中，有的记录了某一时间点的身体状况和心脏指标，有的记录了某一时间段内的心脏指标变化情况，有的则拍下了心脏及周边血管的影像，并测量了一些尺寸。医生需要根据这些各式各样的检测结果，分析和判断病人是因为偶然事件（比如，过量运动）导致的不适，还是心脏某些组织真的出现了问题。

如图3-2所示，每当上市企业的会计年度结束，发放年度财务报告时，该企业的股票价格常常会迅速地反映该公司过去一年的经营状况，股票的价格变化是人们的交易所推动的，那么人们是如何根据财务报告做出当前的交易决策的呢？首先，财务报告主要是由会计报表和财务情况说明等资料组成的。其中，会计报表以一定的会计方法、程序记录与反映企业的财务状况、经营成果和现金流，具体来说包括反映资产负债的资产负债表、反映经营活动获利的利润表、反映企业内部现金流动性的现金流量表，以及反映股东利益的所有者权益变动表。通过仔细阅读财务报告，我们可以横向分析公司的经营情况在行业中所处的位置，纵向分析公司历年的情况变化。简单来说，我们可以根据财务报告中各种非结构化信息（数字、文本、图片等），对股票走势做出判断，从而进行投资。

如你所见，我们可以基于数据资料进行分析和判断并做出预判，这种类似于人类思考和解决问题的方式真的无处不在，在医学、金融、图像处理、消费、制造等各种行业中频繁出现，如果严格地用科学的标准来定义这个思考问题的方式，就是统计学习。

本章会简单地介绍如何从数据中学到模式。通常来说，我们对预测的结果要有一个量化的度量指标，比如在预测股价问题中的股票价格、在疾病诊断问题中的心脏病种类。此外，对于如何预测这个结果，我们需要准备一组特征。比如，在预测股价时，我们可以将财务报告中的公司年度营业收入作为一个特征，可以将财务报告的页数也作为一个特征；在疾病诊断问题中，心电图的频率和振幅可以作为两个特征。给定一系列形如（特征1，特征2，特征3，结果）的数组（即我们所说的数据），建立一个预测模型用于完成预测任务，这便是机器学习。模型在使用时预测得越准确，说明建模越成功。

上述例子描述了什么是有监督学习。这种机器学习类型之所以被称为有监督学习，是因为其预测模型在训练过程中有预测目标值作为引导。在无监督学习中，通常只有特征，而没有所谓的目标值。在无监督学习中，比起建立预测模型，我们通常更关注数据是如何组织在一起的，或者样本点的聚类情况是怎样的。本章主要讨论有监督学习问题。