什么是机器学习？

想象一下一个从来没有见过猫的人（比如一个小婴儿），他的词汇里面甚至没有猫这个词。有一天他看到了一个毛茸茸的动物，这时候他不知道这是什么东西，你告诉他这是 ”猫“。这时候可能小婴儿记住了，这个就是猫。又过了段时间他又看见了这样的动物，你又告诉他这也是猫。他记住了这也是猫。后来又过了段时间，他又看见了的动物，这时他直接告诉你他看见了一只“猫”。以上就是我们认识世界的基本方法，模式识别：人们通过大量的经验，得到结论，从而判断它就是猫。

在这个过程中我们通过接触样本（各种猫）学习到了猫的特征（人们通过阅读进行学习，观察它会叫、两只耳朵、四条腿、一条尾巴、有胡须，得到结论），从而知道什么是猫。 识别是否是猫或者识别一个模块是否是测试模块本质上是一样的，都是在找特征： 识别是否是猫或者识别一个模块是否是测试模块本质上是一样的，都是在找特征： 1) 猫的特征：会叫、两只耳朵、四条腿、一条尾巴、有胡须 2) 测试模块的特征：test、demo、测试

再进一步将特征程序化表述： 1) 猫的特征 叫：true、耳朵：2、腿：4、尾巴：1、胡须：10 2) 测试模块的特征：test：count>0、demo：count >0、测试：count > 0 有了这些特征无论是人还是机器都能正确的识别猫或者测试模块了。 简单的理解机器学习就是通过特征和特征的权重来实现数据的分类。