书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

第15章 机器学习导读

15.1 机器学习是什么

一、核心和关键

• 机器学习的核心
  就是从数据中发现模式与规律，根据数据完成任务、寻找答案。

• 没有数据机器就无法学习，
  数据是机器学习的核心和关键。

二、解决问题的方式

  我们在使用传统方式解决某个问题时，特别是希望发现某个规律时，通常会综合考量各种因素。

  解决问题的方式通常有两种：

• 试错
  一种方式是不断地试错，先尝试方法A，
  若方法A不太好，则继续尝试方法B；
  若方法B还可以但还不太完善，则不断对其进行优化；
  最后得到解决问题的合适方案。
• 经验
  另一种方式是根据经验直接解决问题，
  即人类根据自己的经验和实践不断地寻找解决问题的方案。

三、建模

  人类在发展过程中在不断尝试发现事物之间的联系、内部隐藏的规律。

• 自由落体运动模型
  示意图如图15-1所示，
  牛顿因苹果产生了万有引力的灵感，人们根据万有引力定律构造了自由落体运动模型，
  根据自由落体运动模型，可以计算出任意运动距离对应的运动时间，以及任意运动时间对应的运动距离。

  
  图15-1 自由落体运动模型示意图
• 以数据为基础
  上述过程是以数据为基础的，我们通过这些数据发现了本来存在的但是一直没有被发现的规律。
• 机器学习也是通过数据来发现逻辑与规律，构建事物之间的联系的。

四、黑盒

• 机器学习构造了一个数据的输入与输出之间的“公式”。
  当向它输入数据时，它能够直接通过“公式”给出输出。
  例如，我在某短视频App中看了一个与机器学习有关的视频，该App会继续给我推荐相关的视频

• 机器是一个黑盒，其内部使用的“公式”是我们构想出来的。
  通常来说，机器学习中使用的机器是利用一系列参数控制的各种操作。

五、机器学习的特征

1、避免人的参与，直接从数据中发现

  机器学习的一个重要特征是，尽量避免人的参与，尝试直接从数据中发现规律和解决问题的方案。

例如，在识别手写数字时，不论传统方式，还是机器学习，都需要先提取出手写数字的特征，然后针对特征进行处理。例如：

• 传统方式：
  通常使用欧氏距离等对特征数据进行计算，从而识别数字。
• 机器学习：
  使用机器学习的分类器，如KNN（K近邻）、SVM（支持向量机）等算法完成对数字（特征）的分类、识别。

2、根据已知数据总结规律

  在机器学习中，机器根据已知数据总结规律。与从头开始寻找解决方案来比，这种方式更加高效。

如图15-2所示，不同解决问题阶段人类参与的程度不尽相同。

图15-2 不同解决问题阶段采用的方法

• 传统方法。
  此时，还没有现成的提取特征方法，需要我们绞尽脑汁去寻找提取特征的方法；找到特征后，我们要分析特征，以找到问题的答案。
• 过渡阶段。
  我们已经掌握了大量的、科学的、标准化的特征提取方法（SIFT等），这些方法都可以直接拿来使用，非常方便而且高效。但是，在找到特征后，仍需要我们想办法分析特征，以寻找答案。
• 机器学习。
  提取特征的方法已经相对成熟，我们可以直接使用现成的算法来提取特征。得到特征后，不再需要绞尽脑汁想特征如何处理，而是直接采用现成的算法（KNN、SVM等）把特征作为抽象的数值对其进行分析，从而得到答案。