第(1/3)页

    人要作出一个判断往往都是根据过往的经验和认知来决定的。

    那么机器是什么做的呢？

    对于普通计算机算法而言，算法作出一个判断是通过程序语言来实现的。

    这里用if，else语句举个简单的例子（为了简单明了，判断条件和输出都没用严格的程序语言，勿杠）。

    if（读者x投了推荐票）：

    读者x长得很帅

    else：

    读者x长得一般

    对于普通计算机算法而言，通过上面的判断语句，它就知道投了推荐票的读者才是长得帅的。

    但若是程序员有一天发现,                某些投了推荐票的读者好像也长得挺一般啊，于是他优化了算法，将判断条件改成了（读者x投了推荐票and读者x投了月票）。

    这时候对于算法来说，只有同时投了推荐票和月票的读者才是长得帅的。

    后来，程序员会发现，不管自己怎么加判断条件,                似乎总有那么一两个读者会跳出来推翻他的结论,                他要手动制定规则让计算机精准识别长得帅的读者非常困难。

    这时候，就需要用到机器学习算法了。

    那么机器学习算法是怎么做的呢？

    我们只需要随机挑选一定数量的读者（机器学习领域叫做训练数据），制成一个表格，表格里记录上这些读者的一些属性，如是否投过推荐票、是否投过月票、是否留过评论、是否点过赞、是否打赏过等等（机器学习领域叫做特征），在最后一列记录下结论，即帅还是不帅（机器学习领域叫做标签）。

    将这样一个训练数据提供给机器学习算法，训练结束之后，它会学习出一个关于读者的特征和该读者是否帅之间关系的模型。
    第(1/3)页