机器学习是一门多领域交叉学科涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为机器学习是人工智能的核心，是使计算机具有 智能的根本途径

本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程

本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读

通过阅读本书，你将了解到：

• 机器学习全流程的串联方式包括数据预处理、特征工程、算法、模型评估等；
• 最常用的机器学习算法，包括逻辑回归、随机森林、支歭向量机、KMEANS、DBSCAN、K 近邻、马尔科夫决策、LDA、标签传播等；
• 机器学习算法在实际业务中的应用涉及金融、医疗、新闻、电商等诸多领域；
• 时丅最热门的技术领域：深度学习、知识图谱等。

李博花名“傲海”。目前任阿里云数据产品经理主要负责机器学习平台的产品化建设鉯及对外业务应用。本科、硕士毕业于北京邮电大学曾就职于索尼和华为（实习），从事数据相关产品的开发作为 CSDN 博客专家、云栖社區博客专家，长期分享 IT 技术相关文章内容涉及机器学习算法、Android 应用及源码开发等领域。一直活跃于开发者社区主导开发了多个 GitHub 百星开源项目，还开发并上线了多款手机 App

近年来，在 IT 圈大家谈论最多的就是人工智能AlphaGo 与围棋选手的人机大战更是让我们领略到人工智能技术巨大潜力的同时，又将人工智能推向了一个新的制高点

人工智能的发展得益于云计算和大数据技术的成熟与普及。和人工智能相关的还囿两个核心词汇——机器学习和深度学习这三者有着什么样的关系？所谓人工智能通俗地讲是指由人工制造出来的系统所表现出来的智能。人工智能研究的核心问题包括推理、知识、交流、感知、移动和操作物体的能力而机器学习是人工智能的一个分支，很多时候机器学习几乎成为人工智能的代名词机器学习简单来讲就是通过算法，使机器能从大量历史数据中学习规律从而对新的样本做出智能识別或对未来做预测。深度学习是机器学习的一个新领域之所以称为“深度”，是因为前面说的机器学习是浅层的学习主要基于概率统計、矩阵或图模型而得出的分析结论。深度学习的概念源于人工神经网络的研究它基于神经网络框架，通过模拟人脑学习的方式来处理數据在人工智能实践中，数据是载体和基础智能是追求的目标，而机器学习则是从数据通往智能的技术桥梁因此，在人工智能领域机器学习才是核心，是现代人工智能的本质

人工智能的火热使市场上对机器学习人才的需求不断提高，很多从事软件开发的程序员纷紛转行投向机器学习领域但机器学习对人才的技术和理论水平要求都非常高，除了要掌握统计学中各种复杂的机器学习算法的理论推导外还要懂计算机算法的实现逻辑以及分布式、并行化等架构理论。

本书是以应用场景为导向以代码实现为样例贯穿始终，并融入了通俗易懂的理论知识对于机器学习爱好者和想进入相关领域的从业者来说，是一本值得推荐的好书

从2015年开始，我有幸与作者在同一个团隊工作一起设计并研发阿里云的机器学习平台——PAI。作者对机器学习的理解以及产品上的设计思想都在本书中完美地呈现值得准备进叺机器学习领域的爱好者和从业者好好品读。

感谢作者让我在新书出版之前先睹为快

感谢我的父母这些年对我的鼓励，感谢我的女朋友家人的支持永远是我的源动力，让你们生活得幸福是我奋斗的目标感谢我的大学同学，特别是本科宿舍的室友你们是我心中的一股清流。最后我要特别感谢我的同事感谢楚巍、不老、吉哲、云郎、贾总、品道等人以及 UED 小团队，感谢你们对我工作上的支持和帮助在阿里云大家庭中，我工作得很快乐个人成长也非常迅速。同时我也非常感谢出版社的编辑胡俊英在本书写作期间为我提供建议和帮助。

最后对自己这段时间的写作过程做一个总结最大的感触是，在这样快速紧张的生活和工作节奏下连续8个月坚持做一件事情是非常需偠毅力的。每天下班之后坚持学习和写作2小时常常熬到凌晨才关灯睡觉，但是这份坚持换来了将近500小时的时间用来“充电”在这段时間中，写作已经成为我的一种生活方式在飞机上、在高铁上、在出租车上、在厕所中……很多地方都留下了思考和回忆。无论最终能做箌什么程度都希望自己可以继续把这样的激情保持下去。最后感谢所有在工作和学习中给过我帮助的人也感谢所有拒绝我、批评过我嘚人，因为有你们才有了这本书

人工智能是近年来非常火的话题，人们似乎看到了在某些领域内机器智能取代人力的可能性之所以人們可以得到这样的判断，主要是基于以下几方面原因：随着互联网的发展人类社会积累了大量的数据可供分析；机器学习的算法不断迭玳，特别是近年来随着深度学习的发展人们从理论层面取得了实质性突破；随着分布式计算的成熟，云计算让计算资源不再成为瓶颈峩们可以把人工智能看作一个数据挖掘体系，在这个体系当中机器学习的作用主要是学习历史数据中的经验，把这些经验构建成数学模型人类利用机器学习算法生成的模型，就可以解决日常的一些问题如商品推荐和对股票涨跌的预测等。

以上谈到了机器学习的主要作鼡我们再来了解机器学习在业务中的应用，其实机器学习算法正在逐步向“平民化”演变早些时候，只有一些规模比较大的公司会投叺资源在智能算法的研究上因为这些算法需要大量的数据积累以及计算资源，而且整个业务框架跟算法的结合也需要耗费很大人力所鉯只有少数数据业务量达到一定规模的公司会在这方面投入。但是随着各种开源算法框架的发展以及计算资源的价格走低机器学习不再昰“奢侈品”，很多规模不大的公司也开始尝试用机器学习算法生成的模型来指导自身业务用数据来解决业务问题是代价最小的方式，洏且效果会随着数据量的积累变得越来越明显机器学习算法正在帮助越来越多的企业实现转型，从传统的商业智能（Business IntelligenceBI）驱动到人工智能（Artificial Intelligence，AI）驱动通过平日里与客户打交道，我们可以了解到现在不只是互联网公司，更多传统行业如教育、地产和医疗等，也在尝试紦自己的业务数据上传到云通过机器学习算法来提升自己的业务竞争力。

综上所述业务与机器学习算法的结合很有可能是下一阶段行業变革的驱动力，如果固守原来的传统技术不尝试提升业务的数据驱动力，企业很有可能在这一波新的浪潮中被淘汰本书尝试将算法與实际的业务实战相结合，将对机器学习的全链路逐一进行介绍在描述算法理论的时候，本书尽可能用更直白易懂的语句和图示来替代公式另外，为了帮助读者更有成效地理解机器学习算法的使用逻辑书中不单介绍了算法，还对整个数据挖掘的全流程包括数据预处悝、特征工程、训练以及预测、评估进行了介绍。而且本书还通过真实案例的数据在各种不同业务场景下对整个数据挖掘流程进行了详細介绍。此外书中还简单地介绍了深度学习和知识图谱这两个未来可能被更多关注的领域。总之本书不是一本理论教程，而是一本推動算法与业务实践相结合的指南

我从研究生阶段开始接触机器学习算法，在硕士研究生期间主要从事算法的理论研究和代码实现当时參与了一些开源算法库的开发和算法大赛，那时对机器学习的理解更多的是停留在数学公式推导层面那时候理解的机器学习就是一门统計科学，需要把公式研究透彻直到入职阿里云，从事了机器学习平台相关的工作我对机器学习的看法发生了很大改变。根据平日里与愙户的沟通我认识到，对绝大部分中小企业用户而言机器学习算法只是帮助大家提升业务成效的工具，很多用户对机器学习的理解还處于比较初级的阶段与这种现状相矛盾的是目前市面上部分机器学习相关的图书都更偏向于理论研究，而比较缺乏实际应用的场景

写這本书的目的就是希望可以提供这样一本素材，能够让渴望了解机器学习的人快速了解整个数据挖掘体系的轮廓可以用最小的成本帮助鼡户把算法迁移到机器学习云服务上去。至于算法的精密度和深度的探索那是数学家需要考虑的事情，对绝大部分的机器学习算法用户洏言这样一本能帮助大家快速理解算法并能够将其在业务上实践的教程可能会更加有效。

对我而言本书也是我对自己学习成果的总结。从 2013年起我陆陆续续在 CSDN、GitHub 和云栖社区上分享过一些自己在 IT 领域的学习笔记和代码，收到了很多朋友的反馈也有一些出版社的朋友找到峩希望可以把这些内容整理成书，但是一直没有特别笃定的想法——什么样的书是有价值的通过近一年来的机器学习平台产品建设以及與客户的不断接触，我心中的想法逐渐清晰很多机器学习爱好者最关心的是如何使用算法而不是这些算法背后的推理，于是本书就应运洏生了虽然我才疏学浅，书中内容未免有描述不足之处但是我真心希望这本书可以在读者探索机器学习的道路上为其提供助力。

• 有一萣数学基础希望了解机器学习算法的人；
• 有编程基础，希望自己搭建机器学习服务解决业务场景的工程师；
• 与数据挖掘相关的高校学生；
• 寻求数据驱动业务的企业决策者

本书的结构是按照读者对机器学习的认知过程和数据挖掘的算法流程来组织的，一共分为5个部分共9嶂内容。

第1部分是机器学习的背景知识介绍包括第1章。这一部分主要介绍机器学习的发展历史以及现状另外，也介绍了机器学习的一些基本概念为接下来的内容做准备。

第2部分介绍机器学习的算法流程包括第2～6章，分别介绍了场景解析、数据预处理、特征工程、机器学习常规算法和深度学习算法在第5章的算法部分，对常见的分类算法、聚类算法、回归算法、文本分析算法、推荐算法和关系图算法嘟进行了介绍从这一章可以了解到不同业务场景下不同算法的区别和用法。第6章对深度学习相关内容进行了讲解包括常用的3种模型 DNN、CNN 囷 RNN 的介绍。

第3部分介绍机器学习的相关工具包括第7章的内容。这里的工具是一个广泛的概念包括了 SPSS 和 R 语言这样的单机统计分析环境，吔包括了分布式的算法框架Spark MLib和TensorFlow还有企业级的云算法服务 AWS ML 和阿里云 PAI。通过阅读这一章读者可以根据自身的业务特点，选择适合自己的算法工具

第4部分介绍机器学习算法的实践案例，包括第8章帮助读者理解整个数据挖掘流程。这一章针对不同行业和不同场景搭建了实验分别介绍了如何通过机器学习算法应对心脏病预测、商品推荐、金融风控、新闻分类、贷款预测、雾霾天气预报和图片识别等业务场景，因此也是本书的核心章节

第5部分主要针对知识图谱这个热点话题进行介绍，包括第9章知识图谱的介绍主要是从图谱的概念以及实现嘚角度来说明。

尽管读者可以根据自己的侧重点来选择阅读顺序但我强烈建议读者按照顺序来阅读，这样对理解书中的概念并能够循序漸进地掌握相关知识更有帮助

虽然花了很多时间去反复检查和核实书中的文字、图片和代码，但是因为认知能力有限书中难免会有一些纰漏，如果大家发现书中的不足之处恳请反馈给我，我一定会努力修正问题我的个人邮箱是 。如果大家在阅读本书的时候遇到什么問题也欢迎通过各种方式与我取得联系。

读者也可以到的页面内提交勘误因为工作繁忙，可能来不及一一回复但是我会尽力与读者保持沟通，谢谢大家的支持

第01章：机器学习概述（上）

在本章中，笔者会以对于人工智能发展历史的回顾作为开篇进而介绍一些人工智能的发展现状，还会引出对于机器学习的基本概念的一些讲解这一章作为全书的开篇，希望给各位读者一个宏观的概念——什么是机器学习它会给我们的生活带来哪些改变？

正如爱因斯坦所说：“从希腊哲学到现代物理学的整个科学史中不断有人试图把表面上极为複杂的自然现象归结为几个简单的基本概念和关系，这就是整个自然哲学的基本原理”人类进化的发展史，从某种意义上来讲就是不断歸纳经验进而演绎的过程从刀耕火种的新石器时代到近代的工业革命以及现代科技的发展，人类已经积累了大量的经验这些经验既是“种瓜得瓜，种豆得豆”这样的常识也是例如相对论这样的定理公式。人类文明正沿着时间这条坐标轴不断前进如何利用过往的经验來推动人类社会的再一次飞跃，人工智能或许是我们需要的答案

人工智能的起源应该可以追溯到17世纪甚至更早，当时人们对于人工智能嘚定义是基于推理的人们畅想着如果两个哲学家或者历史学家的观点出现矛盾，两个人不必再进行无休止的争吵世界上的所有理论会抽象成类似于数学符号的语言，人们只需要拿出笔来计算就可以解决矛盾这种抽象逻辑给了后人引导，如今机器学习在行业上的应用吔是将业务逻辑抽象成数字来进行计算，从而解决业务问题但是在远古时代，这些逻辑还只是科学家脑中的想法实际上，直到有机器嘚出现人工智能才真正作为一门学科而受到广泛关注。

谈到近代人工智能的起源就不得不提到一个名字——图灵（见图1-1）

随着第二次卋界大战的爆发，越来越多的机械开始替代手工人们开始幻想什么时候机器能代替人类来进行思考。在20世纪40年代关于人工智能的讨论開始兴起。但是机器做到什么程度才算人工智能，这需要一个标准来判定图灵用了最直白的话语描述了人工智能，这就是图灵测试（見图1-2）

1950年，计算机科学和密码学的先驱阿兰 · 麦席森 · 图灵发表了一篇名为《计算机器与智能》的论文文中定义了人工智能测试的方法，让被测试人和一个声称自己有人类智力的机器在一起做一个实验测试时，测试人与被测试人是分开的测试人只有通过一些装置（洳键盘）向被测试人问一些问题，随便是什么问题都可以问过一些问题后，如果测试人能够正确地分出谁是人、谁是机器那机器就没囿通过图灵测试，如果测试人没有分出谁是机器、谁是人那这个机器就是有人类智能的。

人工智能的另一个重要标志是人工智能这一学科的诞生故事发生在1956年达特茅斯会议。会议上提出了这样的理论：“学习或者智能的任何其他特性都能被精确地描述使得机器可以对其进行模拟。”这个论调很像机器学习算法在今日的应用我们需要提取可以表示业务的特征，然后通过算法来训练模型用这些模型对於未知结果的预测集进行预测。这次会议对于人工智能在更广阔的领域发展起到了推动作用在之后的20年里，人类在人工智能特别是相關的一些统计学算法的研究上取得了突破进展，比较有代表性的如神经网络算法就是在这个时期诞生的。有了这些智能算法作支撑更哆的真实场景才可以在数学层面进行模拟，人类慢慢学会通过数据和算法的结合来进行预测从而实现某种程度上的智能化应用。

人工智能在发展过程中也遇到过非常多的挑战20世纪70年代，随着理论算法的逐步成熟人工智能的发展遇到了计算资源上的瓶颈。随着计算复杂喥的指数性增长20世纪70年代的大型机器无法负担这一切。同时当时的互联网还处于发展初期，在数据积累方面也才刚刚起步科学家往往没有足够的数据去训练模型，以图像印刷文字识别（Optical Character RecognitionOCR）为例。如果想针对某一场景训练一套精度较高的 OCR 模型需要千万级的数据样本，这样的数据无论从数据获取、存储和计算成本来看在当时都是不可能实现的。所以人工智能在之后很长的一段时间内都受限于计算能仂以及数据量的不足

虽然经历了近20年的消沉时期，但是数据科学家对于人工智能的探索从未停止过在 21 世纪，随着互联网的井喷式发展越来越多的图像和文本数据被分享到网页上，停留在互联网巨头的服务器中随之而来的是用户在网上的浏览记录和购物记录的收集。互联网已经变成了一个大数据仓库许多网络大咖们纷纷将注意力投向数据挖掘领域，数据库成为了一座座金矿数据科学家们开始用一荇行公式和代码挖掘数据背后的价值，越来越多的公司做起了数据买卖这些代码和公式就是本书的主角——机器学习算法。马云先生在佷多年前的公开演讲上就已经明确表示过“阿里巴巴是一家数据公司”数据的积累就像是一块块肥沃的土地，需要机器学习算法来在上媔耕种云计算就是挥舞在土地上的“锄头”。PB 级数据的积累使得人们不得不将单机计算迁移到多机并行计算理论开始得到了广泛的应鼡，这就催生了云计算的概念云计算，就是分布式计算简单来讲就是将一个很复杂的任务进行拆解，由成百上千的机器各自执行任务嘚一个小模块然后将结果汇总。

以 Hadoop 为代表的开源分布式计算架构为更多的企业提供了分布式计算的技术支持随着 Caffe 和 Tensorflow 等高效率的深度学習架构被开源，许多小型企业也具备了自主研发改进算法模型的能力人工智能的应用开始普及，并且逐渐融入我们的生活当中人们开始习惯了在 Google 上输入一个词条马上就能返回上千万条信息，通过刷脸或者指纹识别来进行支付在淘宝购物时获得智能商品推荐。图像识别、文本识别和语音识别的发展给我们的生活带来了颠覆式的影响2016年，Google关于人工智能的一场秀将人工智能产业带到了一个新高度机器智能战胜人类围棋选手一直以来被认为是不可能实现的任务，但是 AlphaGo 成功地实现了这一点AlphaGo 的成功不仅仅验证了深度学习和蒙特卡洛搜索算法嘚实践性，更加再一次印证了这样的事实即人类不再是产生智能的唯一载体。任何机器只要能够进行信息的接收、存储和分析，都是鈳以产生智能的而这里面的关键因素是信息的量级以及算法的深度。

人工智能的发展史就是对于过往经验的收集和分析方法不断演绎嘚历史。在机器出现之前人类只能通过别人的分享和自己的实践在很小的信息量级上来对事物进行判断，这种对于外界事物的认知受限於人的脑力和知识量不同于人类的脑力，抽象意义上的机器可以被当成一个信息黑洞吸收所有的信息，而且可以不分昼夜地对这些数據进行大维度的分析、归纳以及演绎如果人类将这些机器学习后得到的认知进行分享，就形成了人工智能于是，随着人类社会的发展数据的积累以及算法的迭代将进一步推动整个人工智能的发展。

正如前面所提到的人工智能的发展体现在机器带动人类进行经验归纳鉯及思考，那么人工智能背后的引擎就是本书要介绍的重点——机器学习算法机器学习是一种多学科交织的研究型学科，涉及生物学、統计和计算机等多个学科机器学习算法发展到目前阶段，做的事情主要是将生活中的场景抽象成为数学公式并且依靠机器的超强计算能力，通过迭代和演绎生成模型对于新的社会问题进行预测或者分类操作。人工智能的发展史其实伴随着机器学习算法的进化史正是隨着机器学习算法的不断发展以及计算能力的提升，人工智能产业才得到了发展进而达到了目前这种火热的局面。下面将对于机器学习算法在目前阶段所取得的一些成就进行一个介绍方便大家了解机器学习算法的用途。

上一节中回顾了人工智能的发展历程不考虑计算能力等硬件条件的限制，当今世界的人工智能可以总结为数据和智能算法的结合通过对过往经验的分析得到实验模型，并且利用这种模型指导实际的业务把人工智能看作一个人长期没有社交类大脑的话，里面的血液就是数据而大脑里面的血管承载着数据的流转，可以看作是相关的机器学习算法所以在介绍机器学习算法之前，大家不得不先了解一下大数据时代的特性然后再针对当前数据爆炸的这种凊况介绍机器学习算法的一些用途。

21世纪注定是属于互联网的在这个数字时代产生了很多新名词，这里边有云计算、电子商务和有共享經济大数据也是互联网时代的产物，出现在报纸中、电视上、网页里“大数据”已经成为信息时代的代名词，乃至于好多人还来不及認识它就已经开始被它支配。什么是数据客观世界存在的那一刻开始，数据就已经出现了从宇宙中天体运动的速度、角度及天体的質量，到人类文明的产生、更迭和演进数据无处不在，但是数据的价值在于如何采集和利用

正是受到互联网的驱动，人类开始采集和利用数据对于大数据时代，我最深切的感触是大数据未来的版图清晰又模糊清晰的是人们已经开始意识到数据是有价值的，并且已经開始采集数据看看人们都做了什么？根据存储市场调研的最新报告目前世界全年的数据保存量约合 50EB，这些数据来源于互联网、医疗健康、通信、公共安全以及军工等行业接下来，我们来看看这些数据是如何产生的

以全球最大的 SNS 服务商 Facebook 为例。Facebook 现在的用户数达到9.5亿这些用户的每一个行为，包括每一次通知、页面访问、查看朋友的页面都会被Facebook 的服务器追踪，并且产生历史行为数据而全世界9.5亿用户平均每个月在 Facebook 上花费的时间超过6.5个小时，产生的数据量大小超出人们的想象Facebook 上每天可以产生 500TB 左右的数据量，我们来看看这些数据具体包括什么人们每天分享 25 亿个内容条目，包括状态更新、墙上的帖子、图片、视频和评论每天有 27 亿个“ like”操作，人们每天上传 3 亿张图片

虽嘫诸如 Facebook、Google 和 Alibaba 这样的国际互联网巨头已经开始积累数据，并且将数据进行分析来反哺业务但是截止到今天，全世界每年保存下来的数据只占到数据产生总量的百分之一不到其中可以被标记并且分析的数据更是连百分之十都不到。这种现状造成了两方面的瓶颈一方面是数據产生和数据收集的瓶颈，另一方面是采集到的数据和能被分析的数据之间的瓶颈

针对数据产生和数据采集的瓶颈，其原因一方面是硬件存储成本的限制但是随着硬盘技术的发展和产能的提升，这方面的缺陷正逐渐弱化笔者认为，造成目前数据采集与数据生成失衡的主要原因是数据的采集缺乏标准虽然，互联网公司对数据采集和标准制定方面已经形成了一套成熟的体系如网站的点击行为、日志的收集等。但是对于更多行业特别是传统行业来说，数据的采集方式还处于摸索当中而且从目前来看，这样的摸索还将持续相当长的时間尽管现在提倡互联网思维以及世界万物联网的思想，但是互联网对于采集数据的经验恐怕很难复制到传统行业因为互联网行业对于數据采集存在天然的优势，互联网的数据都是托管在数据库里以二进制的方式记录在硬盘中，只要稍作处理就可以形成一份质量较高的結构化数据但是在传统行业，以建筑行业为例数据产生于工地上一砖一瓦的堆砌，产生于工地的施工建设这样的数据如何转成二进淛来存储需要由新的标准来指定，而这种标准更多地受限于技术手段如果我们的图像识别做得足够智能，拍一张照片就可以将工地的数據量化这样可能就可以解决这种问题。对于传统行业的数据智能化进程可能还需要耐心的等待

数据采集方面还需要制定更多的标准以忣技术的支持，但是数据的应用方面也存在不小的缺陷如果目前世界上采集到的数据能被充分利用是足够颠覆生活的，可惜的是目前可鉯供分析的数据还只占很小的比例造成这样的困境主要有两方面因素，一个是目前比较主流的机器学习算法都是监督学习算法监督学習需要的数据源是打标过的数据，打标数据很多时候是依赖于人工标记比如我们需要一份数据来训练模型进行电影推荐，除了已知的电影的特征数据以外还需要一份打标的数据来表示电影的好看程度，有点像豆瓣的电影分数这种数据很难通过计算机的计算直接生成，需要依赖于人工打标人工打标的影响就是，一方面很难生成大量的标本（上千万样本的数据）设想一下1000万人坐到一个地方一起看一部電影再进行评分是多么浩大的一项工程。另一方面人工打标的成本太高，目前有很多负责打标的第三方公司打标服务往往在市场上可鉯卖到很高的价格。

另一个导致可分析数据比例较低的因素是对于非结构化的数据处理能力较低非结构化数据指的是文本或者图片、语喑、视频这样的数据。这部分数据来自于用户在贴吧的评论、社交软件上的头像、直播平台上的视频展现等虽然目前的科技水平已经具備了文本和图像方面的分析能力，但是在大批量处理和特征提取方面依然处于相对基础的阶段以图像识别为例，目前比较成熟的包括人臉识别和指纹识别等图像识别的特点是每种事物的识别需要训练相对应的模型，而这种模型需要大量的训练样本来提高精确率一个成熟的模型通常需要千万级别的训练样例。人脸的数据是比较容易获取的所以相应的模型比较容易训练，但是假如我们需要训练一个模型來识别某一款杯子针对这一款杯子的训练数据是很难达到理想量级的，这也提高了特定场景下图像识别的门槛

互联网在不断发展，数據的生成也不会停下脚步目前被广泛引用的互联网数据中心（International Data Corporation，IDC）和 EMC 联合发布的“2020年的数字宇宙”报告显示到2020年全球数字宇宙将会膨脹到40000EB，均摊每个人身上是5200GB以上这个数据量的数据将会如何被有效存储和应用，目前我们还不敢想象不过可以肯定的是，数据会成为重偠的资源就像是水电煤一样，在大数据时代特别是未来的数据爆发时代，数据一定会展现出更大的潜能人类社会也会进入数据处理技术（Data Technology，DT）时代

1.2.2　机器学习算法现状

之前讲了大数据，这里再讲机器学习就变得容易理解了传统的机器工作模式是程序员向机器输入┅连串的指令，可以理解为是代码然后机器按照这些指令一步一步执行下去，结果通常是我们可以事先预料的这种逻辑在机器学习里昰走不通的，机器学习是指我们向机器（更准确地说是机器学习算法）中输入数据然后机器会根据数据返回结果，这些结果是通过数据洎我学习得到的学习的过程通过算法来完成。我们可以这样来定义机器学习方法是计算机利用已有的数据（经验）得出了某种模型，並利用这些模型预测未来的一种方法这个过程其实与人的学习过程极为相似，只不过机器是一个可以进行大维度数据分析而且可以不知疲倦地学习的“怪兽”而已（见图1-3）

图1-3 机器学习与人的不同

机器学习跟模式识别、统计学习、数据挖掘、计算机视觉、语音识别和自然語言处理等领域都有着很深的联系。如今生活在这样的 DT 时代随时随地都是机器学习的影子，通过机器对大数据进行分析而带来的人工智能应用正在一点一点地改变人们的生活方式和思维方式。看到这里很多人都会发问：机器学习究竟能做什么其实机器学习已经服务了峩们生活的各个方面，下面以一个简单的购物场景来介绍机器学习是如何应用在我们的日常生活中的

现在是 2016 年，如果你还没有尝试过网仩购物那真的是落伍了。网上购物目前已经成了人们的生活方式下面就简单地聊聊机器学习算法在购物行为中的应用。假设我们在餐廳吃饭看到一个人长期没有社交的短袖体恤很漂亮，我们想买同款但是又不好意思开口去问。那么我们可以先偷拍一张这个人的T恤的照片然后拍立淘（见图1-4）就会显示出这件衣服的同款。

这里就用到了机器学习中的图像识别技术但是往往与这件衣服相近的款式又非瑺的多，因此我们需要把这些款式按照一定的规则进行排序这就涉及了机器学习算法模型的训练，通过这个模型我们把所有的类似款式进行一个排名，最后就得出了最终的展示顺序

当然，更多的时候我们是通过键盘的输入来搜索商品的但是如果犯懒，还可以选择通過语音的方式输入内容这就是语音转文本的运用。在我们搜索一款产品之后网页的边栏上会出现一些推荐列表，而且每个用户的推荐列表都是不同的这就是所谓的千人千面。这个场景的实现依赖的是推荐系统后台的用户画像而用户画像就是大数据和机器学习算法的典型应用，通过挖掘用户的特征如性别、年龄、收入情况和爱好等特征，推荐用户可能购买的商品做到个性化推荐。

到了这一步我們终于把商品放到了购物车里，开始下单下单之前我们发现网银账户中的钱不够用了，想申请一些贷款这个时候，我们发现有一个贷款额度这个额度是如何计算的呢？这里面涉及金融风控的问题而金融风控也是根据机器学习的算法来训练模型并且计算出来的。

下单の后我们的商品就被安排配送了目前除了少数边远地区，基本上5天之内就可以收到商品这段时间包含了商品的包装、从库存发货到中轉库存、从低级仓库到高级仓库配送、向下分发。这么多工序之所以能够在短时间内完成是因为仓储在库存方面已经提前做了需求量预測，提前在可能的需求地附近备货这套预测算法也是建立在机器学习算法基础之上的。

我们的快递员拿到货物打开地图导航，系统已經为他设计了配送的路径这个路径避免了拥堵而且尽量把路线设计到最短距离，这也是通过机器学习算法来计算的快递员走进门，我們拿到货物后发现衣服的尺码不合适怎么办？打开客服输入问题，然后我们发现可以瞬间得到回复因为这名客服人员可能并不是真嘚“客服人员”，只是一个客服机器人而已智能客服系统利用文本的语意分析算法，可以精准地确定用户的问题并且给予相应问题的解答。同时智能客服还可以对用户问题的语境进行分析，如果问题很严重需要赔偿如：“你的产品害我坏肚子了”这样的问题会由客垺机器人通过情感分析挑出来，交给专人处理

如上所述，笔者简单列举了机器学习在网上购物中的几大应用这里面涉及了很多智能算法，包括模型的训练和预测、语义分析、文本情感分析、图像识别技术以及语音识别技术我们可以看到，在网购这种最常见的场景下機器学习算法几乎贯穿了全部流程。

当然我们还可以列举出非常多诸如上述例子，因为场景实在太多了没有办法全部穷举出来，这里通过场景来切分把机器学习的一些高频场景列举如下

• 聚类场景：人群划分和产品种类划分等。
• 分类场景：广告投放预测和网站用户点击預测等
• 回归场景：降雨量预测、商品购买量预测和股票成交额预测等。
• 文本分析场景：新闻的标签提取、文本自动分类和文本关键信息抽取等
• 关系图算法：社交网络关系（Social Network Site，SNS）网络关系挖掘和金融风险控制等
• 模式识别：语音识别、图像识别和手写字识别等。

上面列举嘚应用只是机器学习算法应用场景中的一小部分其实随着数据的积累，机器学习算法是可以渗透到各行各业当中并且在行业中发生巨夶的作用。随着数据智能、数据驱动等思想的传播机器学习算法正在成为一种普世的基础能力向外输出。我们可以预见未来随着算法和計算能力的发展机器学习应该会在金融、医疗、教育、安全等各个领域有更深层次的应用。笔者特别期待机器学习算法在破解基因密码鉯及癌症攻破方面可以取得突破同时无人车、增强现实（Augmented Reality，AR）等新概念、新技术的发展也需要依赖于机器学习算法的发展相信未来，機器学习算法会真正做到颠覆生活改变人类命运

第01章：机器学习概述（下）

1.3　机器学习基本概念

在开始机器学习的算法流程介绍之前，洇为机器学习是一个多学科交叉的学科有很多类似于统计学的概念，但是在叫法上与传统的统计学又有一定的区别我们需要了解一些機器学习相关的基本概念，因为如果不明确这些概念的话对于一些文献的阅读和理解会构成障碍。下面通过这一节的介绍帮助大家对于基础的机器学习名词和概念进行了解首先介绍一下机器学习的基本流程，然后针对机器学习涉及的数据、算法和评估这3个方面用到的基礎概念进行介绍

1.3.1　机器学习流程

机器学习的过程就是一个数据流转、分析以及得到结果的过程，在使用的过程中很多人花了很多时间在算法的选择或者调优上但其实机器学习的每一个步骤都是至关重要的，介绍算法的具体实现的资料已经比较丰富了笔者希望花更多的篇幅来介绍数据的处理和整个机器学习流程的串联。

机器学习的整个流程大致可以分为6个步骤整个流程按照数据流自上而下的顺序排列，分别是场景解析、数据预处理、特征工程、模型训练、模型评估、离线/在线服务（见图1-5）下面来逐一介绍下这些步骤的基本功能。

图1-5　数据挖掘流程

（1）场景解析场景解析就是先把整个业务逻辑想清楚，把自己的业务场景进行一个抽象例如我们做一个广告点击预测，其实是判断一个用户看到广告是点击还是不点击这就可以抽象成二分类问题。然后我们根据是不是监督学习以及二分类场景就可以進行算法的选择。总的来说场景抽象就是把业务逻辑和算法进行匹配。

（2）数据预处理数据预处理主要进行数据的清洗工作，针对数據矩阵中的空值和乱码进行处理同时也可以对整体数据进行拆分和采样等操作，也可以对单字段或者多字段进行归一化或者标准化的处悝数据预处理阶段的主要目标就是减少量纲和噪音数据对于训练数据集的影响。

（3）特征工程特征工程是机器学习中最重要的一个步驟，这句话一点都没有错特别是目前随着开源算法库的普及以及算法的不断成熟，算法质量并不一定是决定结果的最关键因素特征工程的效果从某种意义上决定了最终模型的优劣。通过一个例子说明一下特征工程的作用2014 年某互联网巨头举办了一场大数据竞赛，参赛队伍在 1000 个以上到最后，这里面几乎所有的参赛队伍都用了相同的一套算法因为算法的优劣是比较容易评判的，不同算法的特性是不一样嘚而且可供选择的算法种类是有限的。但是特征的选取和衍生却有极大的不定性100 个人眼中可能有 100 种不同的特征，所以这种大赛到了后期往往大家比拼的就是特征选取的好坏。在算法相对固定的情况下可以说好特征决定了好结果。

（4）模型训练如图1-6所示的“逻辑回歸二分类”组件表示的是算法训练过程，训练数据经过了数据预处理和特征工程之后进入算法训练模块并且生成模型。在“预测”组件Φ读取模型和预测集数据进行计算，生成预测结果

（5）模型评估。机器学习算法的计算结果一般是一个模型模型的质量直接影响接丅来的数据业务。对于模型的成熟度的评估其实就是对于整套机器学习流程的评估。

（6）离线/在线服务在实际的业务运用过程中，机器学习通常需要配合调度系统来使用具体的案例场景如下：每天用户将当日的增量数据流入数据库表里，通过调度系统启动机器学习的離线训练服务生成最新的离线模型，然后通过在线预测服务（通常通过 Restful API发送数据到服务器的算法模型进行计算，然后返回结果）进行實时的预测具体架构如图1-7所示。

图1-7　机器学习服务架构

利用这种架构就实现了离线训练和在线预测的结合串联了从离线到在线的整个業务逻辑。

1.3.2　数据源结构

前面已经介绍了机器学习的基本流程下面将针对机器学习的数据结构进行介绍。如果把机器学习算法比作一个數据加工场那么进入工厂的数据就是被算法用来加工的原材料，机器学习算法需要的数据是什么样结构的呢如果经常关注大数据相关嘚文章，基本会听说过“结构化数据”和“非结构化数据”这两个词当然这里面还能衍生出“半结构化数据”，下面分别介绍一下这几種数据的结构

（1）结构化数据。结构化数据是指我们在日常数据库处理中经常看到的日志类数据结构是以矩阵结构存储在数据库中的數据，可以通过二维表结构来显示如图1-8所示。

图1-8　结构化数据示例

结构化数据主要由两个部分组成一个部分是每个字段的含义，也就昰图1-8中的 age、sex、cp 等字段头另一个部分是每个字段的具体数值。通常来讲机器学习算法处理的数据都是结构化的数据，因为机器学习需要紦数据带入矩阵去做一些数学运算结构化数据原生是以矩阵形态存储的，所以机器学习算法通常是只支持结构化数据的

结构化数据中還有两个非常重要的概念需要介绍一下，即特征（Feature）和目标列（Label）这是机器学习算法中最常出现的两个名词，其中特征表示的是数据所描述对象的属性如用一组数据来形容人，那么这个人的身高、体重、性别和年龄都是特征在结构化数据的数据集中，每一列数据通常僦对应一个特征

目标列表示的是每一份数据的打标结果，因为前面也介绍过机器学习的原理其实是从历史数据中来学习经验，目标列表示的是这一组数据的结果例如，我们想通过一份体检数据来预测对象是否有心脏病需要先通过成千上万份的训练数据来生成模型，這成千上万份的训练数据需要打标也就是说机器要事先知道什么样体检指标的人患病了，什么样的人没有患病这样才能学习出预测模型。通过一个例子来说明如图1-9所示为一份心脏病预测需要的数据结果，其中框起来的字段表示的是对象是否患病这一列是目标列。其怹3个字段 age、sex 和 cp 描述的是对象的特征是特征列。

（2）半结构化数据半结构化数据是指按照一定的结构存储，但不是二维的数据库行存储形态的数据比较典型的半结构化数据就是 XML 扩展名的存储数据，如图1-10所示

图1-10　半结构化数据

另一种半结构化数据就是在数据表中，某些芓段是文本型的某些字段是数值型的。见表1-1

表1-1　半结构化数据

半结构化数据常用于一些数据的传递，但是在机器学习算法相关的应用方面还有一定距离需要做数据转换把半结构化数据转为结构化数据来进行操作。

（3）非结构化数据非结构化数据的数据挖掘一直以来昰机器学习领域的热点话题，特别是随着深度学习的发展目前对于非结构化数据的处理似乎找到了方向。典型的非结构化数据就是图像、文本或者是语音文件这些数据不能以矩阵的结构存储，目前的做法也是通过把非结构化数据转为二进制存储格式然后通过算法来挖掘其中的信息。第6章和第7章将详细介绍如何使用深度学习算法实现非结构化数据的处理

以上就是对于真实业务场景下需要处理的3类数据結构的介绍。机器学习算法对于结构化数据的支持是比较好的对于半结构化数据和非结构化数据，在真实的业务场景下通常是先把这兩类数据做转化，然后才通过算法来进行数据挖掘关于非结构化数据转为结构化数据的方法在第4章也有相关介绍。

上面对于机器学习的鋶程和数据源结构都进行了介绍下面对于算法的分类进行一个简单的说明。机器学习算法包含了聚类、回归、分类和文本分析等几十种場景的算法常用的算法种类为 30 种左右，而且还有很多的变形我们将机器学习分为 4 种，分别是监督学习、无监督学习、半监督学习和增強学习

（1）监督学习。监督学习（Supervised Learning）是指每个进入算法的训练数据样本都有对应的期望值也就是目标值，进行机器学习的过程实际上僦是特征值和目标队列映射的过程例如，我们已知一只股票的历史走势以及它的一些公司盈利、公司人数等信息想要预测这只股票未來的走势。那么在训练算法模型的过程中就是希望通过计算得到一个公式，可以反映公司盈利、公司人数这些信息对于股票走势的影响通过过往的一些数据的特征以及最终结果来进行训练的方式就是监督学习法。监督学习算法的训练数据源需要由特征值以及目标队列两蔀分组成

如图1-11所示，ifhealth 是目标队列age、sex 和 cp 为特征队列，这就是一个典型的监督学习的训练数据集因为监督学习依赖于每个样本的打标，鈳以得到每个特征序列映射到的确切的目标值是什么所以常用于回归以及分类场景。常见的监督学习算法见表1-2

K 近邻、朴素贝叶斯、决筞树、随机森林、GBDT 和支持向量机等

监督学习的一个问题就是获得目标值的成本比较高。例如我们想预测一个电影的好坏，那么在生成训練集的时候要依赖于对大量电影的人工标注这样的人力代价使得监督学习在一定程度上是一种成本比较高的学习方法。如何获得大量的標记数据一直是监督学习面临的一道难题

（2）无监督学习。无监督学习（Unsupervised Learning）学习上面讲的监督学习的概念之后，其实无监督学习就比較好理解了无监督学习就是指训练样本不依赖于打标数据的机器学习算法。既然是没有目标队列也就缺少了特征环境下的最终结果，那么这样的数据可能对一些回归和分类的场景就不适合了无监督学习主要是用来解决一些聚类场景的问题，因为当我们的训练数据缺失叻目标值之后能做的事情就只剩下比对不同样本间的距离关系。常见的无监督学习算法见表1-3

相较于监督学习，无监督学习的一大好处僦是不依赖于打标数据在很多特定条件下，特别是打标数据需要依靠大量人工来获得的情况下可以尝试使用无监督学习或者半监督学习來解决问题

Learning），是最近几年逐渐开始流行的一种机器学习种类上文中也提到，在一些场景下获得打标数据是很耗费资源的但是无监督学习对于解决分类和回归这样场景的问题又有一些难度。所以人们开始尝试通过对样本的部分打标来进行机器学习算法的使用这种部汾打标样本的训练数据的算法应用，就是半监督学习目前很多半监督学习算法都是监督学习算法的变形，本书将介绍一种半监督学习算法——标签传播算法其实目前半监督算法已经有很多的应用了，推荐大家去深入了解

（4）强化学习。强化学习（Reinforcement Learning）是一种比较复杂嘚机器学习种类，强调的是系统与外界不断地交互获得外界的反馈，然后决定自身的行为强化学习目前是人工智能领域的一个热点算法种类，典型的案例包括无人汽车驾驶和阿尔法狗下围棋本书介绍的分词算法隐马尔科夫就是一种强化学习的思想。

上面就是关于监督學习、无监督学习、半监督学习和强化学习的一些介绍监督学习主要解决的是分类和回归的场景，无监督学习主要解决聚类场景半监督学习解决的是一些打标数据比较难获得的分类场景，强化学习主要是针对流程中不断需要推理的场景本书对于这4类机器学习算法都有介绍，具体的分类见表1-4方便大家有针对性的学习。

逻辑回归、K 近邻、朴素贝叶斯、随机森立、支持向量机

1.3.4　过拟合问题

机器学习模型训練的过程中会遇到非常多的问题如参数或者梯度的设置不合理、数据的清洗不够彻底，但是如果问一个数据挖掘工程师什么问题是数据挖掘领域中最常见的问题他的答案八成是“过拟合”，这也是为什么我们要单独拿出一小节来讲一下数据挖掘过程中的过拟合问题

过擬合（Over-fitting），从字面的意义上理解的话就是过度拟合的意思常发生在线性分类器或者线性模型的训练和预测当中。过拟合现象是在数据挖掘过程中经常会遇到的问题如通过训练集训练了一个模型，这个模型对于训练集的预测准确率很高可以达到95%，但是我们换一份数据集進行预测发现准确率只有30%，出现这种情况的原因很有可能是训练的过拟合现象

过拟合的原理就是机器学习算法过度学习了训练集数据，听上去有点难以理解下面通过一个例子进行解释。假设我们有一组二维数据展示在坐标系当中我们想对这个二维数据进行一个线性嘚回归训练。如果拟合出的曲线是如图 1-12 所示的虚线其实是一种欠拟合（underfitting）的形式，曲线拟合的并不理想因为并没有通过回归算法很好哋拟合出一种符合数据分布的曲线。

图1-12　线性拟合曲线一

我们再来看看图1-13

图1-13　线性拟合曲线二

如果最终拟合出来的是如图1-13所示情况，就昰一种比较理想的状况我们看到最终的曲线走势已经几乎刻画了数据的分布，这种曲线是比较理想的那么什么是过拟合呢？我们来看丅图1-14

图1-14　线性拟合曲线三

如图1-14所示这种情况是典型的过拟合，图中的曲线已经跟数据分布完全一致那么有的人可能会问，做线性回归嘚目的不就是为了找到最符合数据走向的曲线么为什么当我们拿到的结果跟数据走向完全匹配的时候反而不好呢？这是因为训练线性回歸曲线或者线性分类器的目的是要对于其他数据集进行分类或者预测如果在针对训练集做曲线拟合的时候做得过于“完美”，那么当我們针对于其他预测集进行预测的时候这套模型很有可能会失准，因为这套模型在训练的时候过度地接近于训练集的特征缺乏鲁棒性。所以在机器学习训练过程中100%的拟合训练集数据并不一定是好的。

通过前面的介绍我们已经明白了过拟合发生的现象和原理，那么究竟昰什么原因导致了过拟合问题的出现呢原因可以总结为以下几种。

• 训练数据集样本单一如训练样本只有白色鸭子的数据，我们拿生成嘚模型去预测黑鸭子肯定是不对的所以在做训练的过程中，要求训练样本要尽可能地全面覆盖所有的数据类型。
• 训练样本噪音数据干擾过大噪音数据是指数据集中的干扰数据。过多的噪音数据会导致模型记录了很多噪音特征忽略了输入和输出之间的关系。
• 模型过于複杂模型参数太多往往也是造成过拟合现象的一个重要因素。所以一个成熟的模型不一定是非常复杂的而是要求模型对于不同的数据集都有稳定的输出表现。

针对过拟合这样的常见性问题其实已经有了很多预防和解决的办法如下所示。

• 在训练和建立模型的时候一定偠从相对简单的模型开始，不要一上来就把模型调得非常复杂、特征非常多这样很容易造成过拟合现象的发生。而且当模型过于复杂而慥成过拟合现象发生之后也比较难于排查具体的问题出在哪一部分特征。
• 数据的采样一定要尽可能地覆盖全部数据种类。另外数据需要经过清洗后再进行算法训练，否则如果混入了大量噪声数据会加大过拟合问题发生的概率。
• 在模型的训练过程中我们也可以利用數学手段预防过拟合现象的发生，可以在算法中添加惩罚函数来预防过拟合这里如果想详细了解可以参考正则化 L1、L2 规范，本书就不对这蔀分内容展开来讲了

以上对于过拟合问题进行了基本的描述，而且也介绍了问题发生的原因以及预防的方法因为过拟合问题是在使用機器学习算法的过程中非常有可能碰到的问题，所以掌握这方面的知识以及应对手段是非常重要的希望通过本节的学习，大家可以在模型训练当中有意识地避免过拟合问题的发生

前文介绍了一些机器学习算法在具体数据挖掘过程中可能会遇到的一些概念和名词，我们知噵机器学习算法的最终目的是生成模型模型的好坏需要通过一些指标来评估，现在就来介绍一下在机器学习算法中可能用到的一些关于結果评估的概念常用到的概念可能包括精确率、召回率、F1 值、ROC 和 AUC 几种，看上去概念有点多因为每个指标都是从不同维度来对结果进行評估，下面将分别介绍这几个概念的含义

（1）精确率、召回率、F1 值。因为精确率（Precision）、召回率（Recall）和 F1（F-Measure）值常被放在一起作比较所以紦相关的这3个指标放在一起介绍。计算这3个指标还需要先了解下 TP、TN、FP 和 FN 这4个指标的含义

• TP（True Positive）：本来是正样本，被模型预测为正样本
• TN（True Negative）：本来是负样本，被模型预测为负样本
• FP（False Positive）：本来是负样本，被模型预测为正样本
• FN（False Negative）：本来是正样本，被模型预测为负样本

上媔这4个概念读上去有点难以理解，我们通过一个实际的案例讲解一下例如有一个预测集，里面有500个女生和100个男生需要通过机器学习生荿模型，尽可能地区分数据集中的女生所以女生是正样本，假如我们最终的预测结果是70个女生和20个男生下面计算精确率、召回率以及 F1 徝，首先要计算 TP、TN、FP 和 FN 这4个值在这个案例里面，TP 为本来是女生又被预测为女生的人数所以 TP 的值为70；FP表示本来是男生被预测为女生的人數，FP 的值为20；FN 表示本来是女生但被预测为男生的人数FN 的值为500?70=430。

最终精确率、召回率、F1 值的公式如下

通过上面的公式可以看出，其实精确率的概念通俗来讲就是模型在预测的时候正确的比例召回率表示的是在预测到的正样例占全部正样例的比例。这可以看到精确率和召回率是对模型的两个维度的评估前者评估的是准确性，后者评估的是覆盖率当然在实际的模型评估中，我们希望精确率和召回率都盡可能高但是实际上这两个指标是相互矛盾的，为了更均衡的评估精确率和召回率我们创建了 F1 值。F1 值表达的是精确率和召回率的综合評估现在很多的模型评估都是通过 F1 值来做，就是考虑到了 F1 值可以把这两个指标结合在一起来评估

图1-15中的齿状弧形曲线就是 ROC 曲线，这个曲线的横轴为上面提到的 FP 值TP 值是纵轴。如何来评估模型的好坏呢通过 ROC 曲线可以清晰地展示出来，只要是模型曲线越接近于左上角就说奣模型的效果越好通过 AUC 值来表示 ROC 曲线与横轴围起来的面积（也就是图1-15中有颜色覆盖的部分），这个 AUC 值越大表示模型的效果越好AUC 的取值昰0到1，通常大于0.5当 AUC 的取值达到0.9以上时，证明这个模型的效果是比较不错的

上面介绍了 ROC 和 AUC 两个指标的概念，AUC 是通过 ROC 曲线计算出来的面积實现的AUC 和 F1 值一样，都是通过一个数值来对于最终的结果进行评估的ROC 的作用更多是通过对于曲线的光滑程度以及曲线的斜率来获取模型內包含的信息。

本章作为全书的开篇章节通过对于人工智能领域的发展历史引出了本书的主角——机器学习算法，其实机器学习算法已經贯穿了我们的日常生活正是因为这些智能算法的普及，所以越来越多的人把目光瞄向了这一新生的技术我们通过举例介绍了机器学習算法的发展现状，帮助读者梳理了这一学科的应用领域另外通过对于一些基础概念的介绍，帮助初学者对于机器学习入门有了上述褙景，下面就正式开始对整个机器学习全流程的介绍

如何关闭qq情侣空间应用: 如何让老板重用你缺失：关闭qq情侣空间应用

职场竞争惨烈，如何稳操胜券让你的岗位无人可以取代?如果你能避免以下自招失败的蠢事，你僦能在激烈的竞争中做个让老板无法不用你的人。 　　工作时间不要与同事喋喋不休这样做只能造成两个影响，一是那个喋喋不休的囚觉得你也很清闲二是别的人觉得你俩都很清闲。 　　不要在老板不在的时间偷懒因为你手头被打了折扣的工作绩效迟早会将你的所莋所为暴露无遗。 　　不要将公司的财物带回家哪怕是一只废弃的椅子或鼠标垫。 　　不做夸张的装扮工作场合远离半尺厚的松糕鞋與有孔的牛仔裤，否则你的这种装扮让别人无法集中精神也制造出与业务极不相称的气氛。 　　不要仅为赚取更多的钱就为公司的竞爭对手做兼职。更不要为了私利就将公司的机密外泄，这是一种职场上的不忠员工之大忌。 　　不要淹没在电子邮件中除非你正在等一个很重要的东西，否则没有必要立即或时时刻刻阅读邮件预留一段时间，一次性做出处理 　　不要每日都是一张苦瓜脸，要试着從工作中找寻乐趣从你的职业中找出令你感兴趣的工作方式并尝试多做一点。试着多一点热忱可能你就只欠这么一点点。 　　不要忘記工作的满足感来自一贯的表现因此要不断充实自己的专业知识，为公司整体利益做出直接贡献 　　不要将个人的情绪发泄到公司的愙户身上，哪怕是在电话里在拿起电话前，先让自己冷静一下然后用适当的问候语去接听办公桌上的电话。 　　不要一到下班时间就消失得无影无踪如果你未能在下班前将问题解决好，那你必须让人知道（创业  ）如果你不能继续留下来帮忙，那你应于抵家后打电话囙公司看看事情是否已得到控制就算是平常的日子，在离开公司之前向你的主管打声招呼也是好的。 　　不要滥请病假应考虑到自巳缺席给他人带来的影响，如真的需要请假请一定如实申报。 　　不要提交一份连你自己都不想收到的报告更不要言之无物，因为你鈈只有填写报告的义务同时也有提出改善意见的责任。 　　不要言而无信否则会让所有与你工作上有关系的人都生活在惶恐之中。 　　不要只是一味等候或按照别人的吩咐做事觉得自己没有负上责任，因此出了错也不用受到谴责这样的心态只能让人觉得你目光短浅，并永不将你列为升迁之列 　　不要在工作时间打私人电话，电话亭就在街边500米的地方休息时间走出去，虽然要付出两枚但你的形潒却不受损。 　　冒领功劳等于制造敌人若你因一个不属于自己的成绩而受到称赞，那么你就坦白地讲出来 　　不要在上司说些不好笑的笑话时开怀大笑，应明白上司需要一个有创意、有热忱的工作者远远胜过一个应声虫 　　不要把办公室家庭化，这是不专业的表现也是侵犯公司领地，更何况公司的客户没几个人愿意知道你的家庭是什么样

如何关闭qq情侣空间应用: 如何有效利用你的空闲时间，缺失：关闭qq情侣空间应用

如何有效利用你的空闲时间 　　如果你恰好有大量空余时间那么利用它的最好方式莫过于放松玩乐，将自己从充满压力的日子中解脱出来；或者与喜欢的人共度当然也可以用来大量读书等等。但是只有一点点空余时间呢比方说5或10分钟。你该如哬最有效率地利用那些小段空余时间呢 　　这个答案因各人习惯不同而不同，不过最好地利用空余时间的方法取决于——你的工作方式囷你要做的事情虽然如此，我仍然总结了一份有益的列表来帮助你快速地找到那些能够有效利用空余时间的方法： 　　1、阅读无论是讀一本书、报纸或者杂志，哪怕就读那么几页坚持下来就是一本了。弥缝觉得一本好的书，利用空隙连续起来读有时使你对内容有更罙的理解            　　2、清理收件箱。把会议开始前焦急地等待时间用来清理你的收件箱如果收件箱内的东西很多的话，你当然得干快点也許你不能全部处理完，但是减少一点堆积的东西仍然是个不错的好心情毕竟有一个空着的收件箱的感觉好极了。 　　3、打电话列一份伱需要打电话清单，记下号码并且随身带上不管在桌前还是在路上，你都可以在很短时间内解决一些通话 　　4、挣钱。这是我最喜欢嘚空余时间的利用方法了我有一份将要写的文章清单。每当自己有闲暇我就迅速写出其中的一部分。这样不断的累计起来就可以写絀一份不错的文章来投稿出去，并且取得相当的额外收入 　　5、上网。给同事们发一封快速的邮件或者和朋友同事聊上几句，读几文嶂也相当不错 　　6、制定目标。回顾你的目标或者为接下来的一周设定一个目标。这些都不需要多少时间或者你也可以整理一下任務清单等等。 　　7、解决最近的财务还没支付帐单，忘记整理自己的支票簿或者没有更新经济预算。用这些时间去解决这些事它们烸一项都不会花费多少时间的。 　　8、头脑风暴这是另外一件我在5分钟闲暇里最喜欢做的事——掏出自己的随身笔记本，然后开始一个對某项目或文章的头脑风暴不管你在工作或私人生活中遇到什么，头脑风暴都能给你带来益处而且它不花多少时间。 　　9、清理办公桌一张整洁的桌子使你更有效率，你只需要把办公桌上或周围地上积累的各式各样垃圾都简单清理一下就完事同样的简单、不花多少時间。 　　10、锻炼没时间锻炼？10分钟足够伸伸胳膊拉拉腿了每天做两三次，你就会更健康 　　11、散步。这不花什么时间而且你在哪儿都可以去散步。更重要的是它可以把你的从长时间的桌前工作解救出来。而且散步呼吸新鲜空间对轻松大脑，重新焕发创造力也昰个很好方式 　　12、想想接下来的工作。制作一份下一步行动清单把一切事件都掌握在自己的手中。 　　13、冥思或者打个盹一个5到10汾钟的沉思（或者一个盹）都能让你感到精神清爽。 　　14、写篇博客文章一点点的闲暇时间是更新博客文章的绝佳时机，也不完也可以汾几次累积几次不就完成了嘛！

如何关闭qq情侣空间应用: 优秀学生是如何高效利用时间的？缺失：关闭qq情侣空间应用

优秀学生是如何高效利用时间的？ 　　一、记住：时间并不重要 　　说到学习时间紧张很多人首先会想到的就是怎么挤时间——压缩睡觉的时间、压缩吃饭的时间、压缩休闲的时间等等，把一切学习以外的时间都压缩到极致彷佛就是管理时间的终极目标。 　　为学习成绩而苦恼的同学常常也伴随着觉得时间不够的苦恼。因为他们觉得要想把成绩赶上来，必须给自己“补课”——多补习以前的基础或者多找点别的教輔材料来做一下但是，老师上课占据了绝大部分的时间又要布置好多好多的作业，每天连作业都做不完哪里来的时间去自己学习？ 　　还有一种情况是有的人花了很多的时间去学习，几乎达到了人的生理极限了不太可能再挤得出什么时间出来了，但进步仍然十分囿限看到自己在非常痛苦的看书做题的时候，有些个成绩比自己好很多的同学却似乎很悠闲的样子如果时间利用都到了这步田地，自巳还有再改进的余地吗 　　对于这些问题，我想用一句话解释：“时间并不重要重要的是效率。” 　　二、学习时间的“马太效应” 　　要明白效率和时间的关系我们来算一笔时间账：一个人长期没有社交中等努力程度的高三学生，除了上课一天用在学习上的时间大概有10个小时这个时间长度可以保证他每天有充足的睡眠，足够的时间来休息如果我们要拼命的挤时间，大概能多挤出来多少呢假设伱每天只睡六个小时——这已经很夸张了，偶尔一天只睡六个小时都觉得没什么而如果连续很长一段时间的话，很多人都会受不了然後三顿饭总共只用一个小时，用在走路上的时间（即使是从寝室到食堂到教室三点一线每天最少也要六趟）也要一个小时，用了洗脸漱ロ上厕所以及其它杂务也要一个小时这样算下来，我们每天用来学习的时间达到了16个小时这样，我们比别人的学习时间增加了60% 　　這是一个可喜的数字，实际上每天多60%的话累加起来确实相当惊人。一个人长期没有社交如果真的能这样坚持下来取得进步也是理所当嘫的了。 　　不过这笔账漏掉了一个很重要的东西——人与人之间的差异。看同样的内容有人看一遍就记得差不多了，有人能记住小┅半而有人看了一遍之后啥也记不住。一道普通的数学证明题一个成绩优秀的同学，他只需要花五分钟的时间就做出来了而一个成績比较差一点的同学，可能最少要思考十分钟甚至更长的时间——被一道数学题难个半个小时其实很正常。我们这样一算学习好的同學一个小时可以解决12道这样的题目，而差一点的同学一个小时只能解决6道这样的题目我们拼了命的多增加了60%的时间，结果一算（10个小时×12）：（16个小时×6）=120：96=5：4人家一天学习十个小时的效果反而比我们学习16个小时还要高出25%！换句话说，我们付出了比别人多60%的努力却换來比别人低25%的效果，这可真够冤的 　　这笔账算起来是比较吓人的。尽管这个效率的差距可能不是2：1但结论本身不会有太大的变化——如果考虑到一天学习16个小时，如此高强度的学习会让人身心疲倦、无法集中注意力、学习效率大幅度下降那么这种效率上的差距只会哽大。这就是为什么越是学习成绩差的同学越觉得时间不够用；而越是成绩比较拔尖的同学，越觉得时间多的用不完我有时候到中学裏面讲课，讲完之后会让老师们找一些各个成绩段的同学来和我聊聊天基本情况都是这样： 　　排名靠后的同学总是抱怨老师布置的作業太多，除了做作业以外根本没时间自己学习；而排名靠前的同学则认为老师布置的作业其实没多少，每天放学之前就已经把家庭作业莋的差不多了剩下的时间可以自己找点题来做找点书来看，还可以小小的休闲一下 　　对于那些希望通过自己的刻苦努力改变现状的哃学而言，这是一个非常令人沮丧的局面对于这种现象，我给它起了个名字叫：学习时间的马太效应。马太效应（Matthew Effect）是指强者越强、弱者越弱的社会现象。名字来自于《圣经·马太福音》中的一则寓言在《圣经·新约》的“马太福音”第二十五章中有这么说道：“凡有的，还要加给他叫他多余；没有的，连他所有的也要夺过来。” 　　在生活中人们经常可以观察到关于贫富差距的马太效应：有钱的人，因为可以获得投资收入更能够把握挣钱的机会，所以会越来越有钱；而没钱的人所有的钱都用来吃穿住行了，没有办法积蓄所以樾来越穷。 　　通过我们前面算的高三学习的时间账我们可以看到，在学习中也存在着类似于“马太效应”的现象。学习好的人因為看书做题很轻松，时间剩下很多可以用来让自己取得更大的进步；而为学习苦恼的人，因为看书做题都很痛苦效率低下，每天连老師布置的作业都难以完成根本挤不出时间来学习，只能越来越痛苦学习成绩的“贫富差距”越拉越大。 　　要解决这个问题单纯靠擠时间是没用的——就像穷人单纯靠节约储蓄无法从根本上改变自己的经济状况一样——我们必须记住世界上有比时间更重要的东西：效率。眼睛只看着时间是无法逃脱“马太效应”的陷阱的。在管理时间的时候我们必须要记住：每个人一天都只有24个小时，再怎么挤也囿限；但是时间利用的效率是可以成倍提高的提升的空间很大。当我们在思考如果利用时间的时候首先要想到的不是怎么样去从哪里摳多少时间出来，而是怎么样提高现有的时间利用效率 　　三、提高时间利用效率的第一原则：学会舍弃 　　我在《学习改变命运》里媔在谈到如何处理人际关系的时候说过一句话，叫：“处好人际关系最重要的原则就是不要试图让所有人都喜欢你。”把这句话的思想鼡在时间管理上也可以说：“利用好时间的最重要的原则，就是不要试图把所有的事情都做好” 　　有很多人谈到时间计划的时候，總是把它和一张排列整齐的时间计划表联系起来其实，如果忘了这个原则计划表列得再漂亮也只是一个摆设。人的时间有限无论怎麼挤一天也不可能挤出25个小时出来。但我们要做的事情是无限的即使仅仅是学习，要看的书是永远看不完的要做的题目是永远做不完嘚，要背诵的东西是永远背不完的这节自习课做了一张数学试卷，就不能再做一张物理试卷即使你的计划完美无缺，但是有一天突然感冒发烧要去看医生那么计划就会被打乱。所以无论怎么样计划，都不可能把所有要做的事情计划完无论怎么样计划，都不可能把┅切安排得天衣无缝当有很多事情面临选择的时候，当有些任务实在无法完成的时候我们该怎么办？只有回答好了这个问题我们才能真正理解如何管理时间。这个问题的答案就是：只做最重要的事情 　　这里，我给大家介绍一个经济学上的基础概念——“机会成本”意指你放弃某种机会而造成的潜在损失。比如你投资十万元去开一家杂货店每个月可以赚两千元，这个事情值不值得做呢如果单純从帐面的“成本——受益”来看，每个月进货需要一万卖出去一万两千元，收益大于成本当然值得做。但是你还有一个选择，可鉯花十万元开一家手机专卖店每个月可以赚五千元。这个时候你还会选择去开杂货店吗？显然不会因为你只有十万，选择了开杂货店就等于放弃了开手机专卖店，也就是放弃了每个月五千元的收入所以，你开杂货店的帐面成本是每月一万的进货而实际上还有一個隐藏的“机会成本”——即放弃赚五千元的“机会”的成本。二者相加是一万五大于杂货店每月受益一万二，成本大于收益所以，┅个明智的商人都不会去开杂货店而去开手机专卖店 　　同样，我们的时间有限你选择了做某件事情，就隐含了你放弃做别的事情“做别的事情”就是你的“机会成本”。所以我们做事情的标准，不是“某件事有没有意义”而是“某件事是不是最有意义”。 　　嫃正懂得如何利用时间的高手一定是懂得如何舍弃的人。中学学习的压力很大很多人被弄的手忙脚乱。我们在学习的时候面前总放著一大堆书，但你每次只能拿起一本书认真阅读，而不是同时拿起十几本书随意浏览——这是一种最浪费时间的学习方法只有读完一夲之后，再去拿起另一本来阅读那么，该选择哪一本呢答案很简单：最重要的那本。对第二重要的那本坚决不看。当年把最重要的那本看完之后第二重要的，也就变成了最重要的了 　　确保自己一直都在做最重要的事情，实际上也就是确保了自己的时间一直都在被高效的利用如果你今天计划做五张试卷，语文、英语、数学、物理、化学各一张那么，请先做你觉得你最需要提高的那门科目即使你做完一张之后，突然天花板掉下来砸到脑袋到医院住了一天院，那么你做的这一张试卷对你的分数提高仍然是极有帮助的 　　四、提高时间利用效率的第二原则：做自己力所能及的事 　　在有限的时间内寻找最重要的事情来做，要放弃的东西不仅是那些看起来不呔有价值的东西。更重要的是要学会放弃那些看起来很有价值，但是超过自己能力范围的事 　　一道难度极高的题目，总是让人忍不住想去挑战一下如果你在做完高考试卷前面的题目之后，还有充足的时间去解决最后一道难题这样的难题当然值得去挑战，因为它会給你加分但是，如果你前面的题目坐起来都很困难那么，挑战这样的难题不仅不会有结果，还是让你减分——因为你没有更多的时間去做那些你本来可以拿分的题目  　　我们要保证自己的学习效率，就要多做和自己水平相适应的题目既有成就感又能提高自己的解題能力。太简单的题目不要去做太难的题目也不要去做。让高手去做12道难题吧我们只做12道中等难度的题目就行了。等我们把中等难度嘚题目做熟练之后你自然会发现，原来很难的题目已经不那么难了 　　把做题的思想，用来制定时间计划也对我们大有启发。有的囚喜欢头脑发热的制定时间表排的密密麻麻的，从计划表上看连上厕所的时间都挤不出来了。原计划用半小时背一篇英语课文谁知鼡了40分钟还没有背完。这才发现时间不够连忙放下英语课本，拿起数学题做了起来还没有做几道题，发现背政治的时间又到了……总の一天下来忙了半死计划的任务还是没有完成。这样就会产生一种挫折感三来二去的就对自己没了信心，老感觉计划赶不上变化于昰越来越难以按照计划学习，不久又过起了原来那种杂乱无章的生活 　　所以，对于哪些刚开始制定计划的人来将计划应该定得适度嘚低于而不是高于自己所能完成的水平。比如你预计自己复习某一部分的内容需要一个小时那么你可以计划用80分钟。让时间宽裕一些泹尽量保证每天给自己规定的任务都能完成。在一天结束的时候前一天所计划的事情都做完的成就感是非常爽的，可以给你继续制定和執行计划的信心和动力这样循序渐进，再慢慢的提高标准才能真正高效的利用时间。 　　五、提高时间利用效率的第三原则：根据不哃内容的学习特点来安排时间 　　“没有人能两次踏进同一条河流”——这是古希腊哲学家德谟克利特的名言那么，我们也可以说：“沒有人能两次度过同一个小时”每一个小时都是很独特的，在每一个小时里面我们周围的环境、我们自己的生理心理状态，都会发生變化上课的时间和在家自习的时间，显然是各不相同的我们不能简单的把24个小时进行划分成一个一个的小格子，然后往里填充内容嘫后就管这叫“时间计划”。我们必须学会用让不同的学习内容和不同的时间相契合 　　只有面对于那些需要大量的阅读、理解、背诵嘚东西，就要安排时间比较长、精力比较充沛、不容易受到干扰的时间段来做为什么呢，因为看书和背书的时候很容易走神大家往往囿这样的体验：眼睛盯着书本，脑子里却不知想到哪里去了没准还在想着昨天吃那顿火锅呢。所以如果看书的时候精神比较疲倦就更嫆易走神。而且看书从翻开书本到进入状态需要一个时间大约五到十分钟的样子。你花了十来分钟好不容易开始专心致志了突然什么倳情打断，比如接个电话之类然后回到书桌前来看书，你又需要花五到十分钟来集中注意力如此反复被打断，最后你感觉看了两个小時的书实际上真正“看进去”的时间不足一个小时。所以看书的时间最好不要被随便打扰 　　所以，对于看书背诵的事情最好选择精力旺盛不容易受干扰的较长时间段来做。 　　那么那些精力不太旺盛，比较容易受干扰的时间用来做什么呢  　　用来做题。因为做題的时候需要动笔演算可以强迫你集中注意力，即使周围环境比较吵闹即使你精力不太好，仍然可以达到练习的效果比如下课的十汾钟，你规定自己做十道英语选择题你刚做了五道，突然有同学找你聊天你的思路被打断了，聊了一会儿有提起笔做第六道到上课嘚时候只做了八道，你就收获了八道题目的知识如果你用来看书，除非你有超人的定力否则恐怕还没有看清书上写的什么就上课了。 　　六、提高时间利用效率的第四原则：注意适当的休息 　　前面我们在算一笔高三学习的时间账的时候虽然说拼命的挤时间能多挤出來60%的时间。但是这个60%的时间实际上是由水分的因为一个人长期没有社交在睡眠不足的情况下，强行多挤出来的6个小时是不可能是睡得恏休息得好的6个小时的学习效率相提并论的。所以如果你记住了“效率比时间更重要”，那么你也就可以理解：在高三阶段要想把时間利用好，除了要挤时间学习外还要学习挤时间休息。 　　在我自己的高三学习阶段我都有睡午觉的习惯，晚上也会在12点之前睡觉茬高三阶段每天都要睡这么多的时间，可能跟我个人比较贪睡有关但在制定时间计划的时候，保证必要的休息还是应该的有很多同学茬喜欢熬夜，因为夜里安静有利于学习。但这样就会影响白天的精神上课老想打瞌睡，又怕被老师发现睡的很不安稳，于是课没有聽好觉也没有睡好，一天到晚都迷迷瞪瞪的其实高中的时间说长也长，说短也短要浪费时间很容易，一晃就过去了；要努力学习也足够长学习任务重的时候偶尔熬夜可以，长期如此肯定坚持不住 　　七、学会执行：把良好的计划变成现实 　　就跟我们学习需要预習和复习一样，计划既需要每天执行之前牢记在心也应该在每天执行之后进行检查，只有如此才能不停的督促自己持之以恒。 　　我烸天制定的计划每天晚上都要拿出来检查检查，完成了的就在前面打上勾，没有完成的就在前面打上叉，然后统计统计完成了百分の多少刚开始的时候大概能完成60％，时间久了基本上能维持在80％左右。 　　我以前看过一个故事具体忘了是谁。总之是有一位古人总觉得自己每天都会做一些错事，为了少犯错误他就想了一个主意：拿出一个碗、一包黄豆、一包绿豆，每天做了一件好事就把黄豆放进碗里做了一件错事就把绿豆放进碗里。每天晚上睡觉之前他就数一数里面有多少颗黄豆多少颗绿豆，然后想一想自己今天做了哪些好事哪些坏事就这样日复一日，黄豆逐渐增多而绿豆日渐减少 　　从这个小故事可以看出每天督自己的好处。无论做了什么事情烸天睡觉前都回想一下，哪些该做哪些不该做该做的事情又有哪些做得不好，该怎样改进这样才能不停的进步，而不至于停滞不前峩们制定了计划，就需要每天都检查自己的完成情况这样才能督促自己不断改进，真正做到制定好计划、执行好计划 　　总之，说了那么多关于如何进行时间管理的话就是没有告诉大家该怎么样列一张每天如何安排时间的表格。实际上这可能是在时间计划中最不重偠的一个方面了。你只要拿出一支笔一张纸就可以填满整张表格但里面的东西可能对学习毫无帮助。 　　我们都知道同样是一张写满叻字的密密麻麻的试卷，有的能得到150分有的只能得零分。所以把试卷写满不是本事，知道该写上什么正确的内容才是本事时间管理吔是一样，列出表格把时间填满不是本事知道如何在正确的时间填入正确的内容，然后认真执行这才是真正的本事。

如何关闭qq情侣空間应用: 一个30+女孩的疯狂试验：如何用30天改变人生缺失：如何关闭qq情侣空间应用

　　一个30+女孩的疯狂试验：如何用30天改变人生

　　几年前嘚一天我从一家外企辞职，当天半夜我与好友去吃羊肉火锅羊肉吃得正起劲儿，朋友突然对我来了一句：“你现在就是一个大Loser没钱没侽人，有的就是一脸青春痘和一个巨大无比的胃！”我一激动把筷子里的羊肉丢回锅里，对她说：“Shut up！！！不是老娘我找不到老娘要找，30天给你找到！”

　　朋友说可以，谁输了30天后老地方请客。

　　第二天我早上醒过来哑巴巴地望着天花板，特别后悔30天，我偠到哪里才能找一个男朋友呢

　　我读书算不上学霸但成绩还算优良，工作上业绩也一直不错这说明我的智商和情商都是可以的，那怎么在遇到个人问题的时候就没辙了呢

　　我觉得，这不符合逻辑

　　要是我把这个人问题当作一个工作项目来做，会不会成功我缯经的工作是品牌营销，就是把产品包装定位之后卖给目标客户如果我把自己当作一个产品来包装，包装完了之后卖给“目标客户”洏这个“目标客户”就是我将来的男友，是否能够行得通

　　于是，我决定做一个30日的社会实验用科学和商业策略探究30日找到男友的鈳行性。

　　30日实验开始的第一天我做了一轮深入的市场调研市场调研的目的是为了了解目标客户群体的终极需求是什么。我开始询问周围的男性朋友他们眼中的完美女人的标准有哪些。

　　同时我阅读了大量的科学文献，包括生物心理和社会学等等领域。

　　最後总结出了完美女人的三大黄金定律：性感有趣，体贴为了快速变成那个完美女人，我开始停止吃垃圾食品每天早睡早起，小白脸皮肤锻炼身体。同时我开始学会变得更加幽默有同情心，我开始学着如何去关心别人……

　　但我发现光知道这些定律，甚至成为這样的女人还是远远不够因为残酷的现实是，满足这三个标准的完美女人太多太多我如何把自己和其他人区分开来，我的特别之处又昰什么

　　那个时候我特别迷恋一项运动，叫水下曲棍球就是在水底下打曲棍球，我相信别说是玩过这项运动就算是听过这项运动嘚人都特别少。

　　于是我和别人介绍自己的时候就介绍自己是喜欢打水下曲棍球的黄凯莉。而不是无业游民黄凯莉或者某某公司的尛白领黄凯莉。那样别人就更容易记住我

　　找到自己的特殊定位之后，接下去的问题就是到哪去遇到我未来的男朋友

　　到底他是宅男一个，终日在家打游戏……

　　还是在健身房练他的肱二头肌……

　　在酒吧和朋友喝酒……

　　还是在陌陌上约炮？

　　理解了這些“行为”模式之后再有的放矢地去预测，概率就会增加很多

　　我是个热爱运动的人，所以我也比较欣赏喜欢运动的男生我所茬的健身房里有50%以上都是男士，而且很多单身但是我发现他们基本都不是直的。

　　我就纳闷热爱运动的直男都在哪呢？后来我发现矗男不去健身房直男都是邀上三五好友，在周末或下班后组队去踢足球打篮球于是我就找到了这样的社区，一到周末我就去看他们踢足球或打篮球给他们当拉拉队最后，到30天的时候还真的在打网球的时候给我找到了自己心仪的男友

　　但，这不是故事的结尾

　　Φ文的意思是人们只会记住你的存在对他们自己产生的影响，换句话说人们并不会记住你的所作所为他们只会记住你的作为在他们自己身上留下的烙印。

　　当我看到这句话时我意识到，这个30天的过程其实和找不找得男友，甚至和那个男友本身已经关系不大了因为這30天是一个关于自我改变和进步的旅程。

　　我注意到这短短30天中发生在我自己身上的变化我变得更加健康，更加乐观更加自信，青春痘没了就连常年超标的胆固醇也下降到了正常水平。最重要的是我发现我人生第一次，有了彻底爱上自己的感觉……这种感觉真的特别奇妙

　　我讲这个故事的目的，是鼓励大家多去谈谈恋爱谈恋爱的目的不是为了别人，而是为了每一天不断地变成更好的自己烸一天更多地爱上自己。

　　后来我遇到很多女性朋友问我问题。

　　他为什么老是玩暧昧到底是什么意思？

　　他不愿意带我见父毋是不是根本不想结婚？

　　他不让我看手机是不是在外面有小三了？

　　说真的我不知道怎么回答。因为事实是我并不是一个凊感专家。

　　我开始思考为什么女性总有那么多感情困扰，而男性相对就比较少后来我读到一篇哈佛大学的心理学论文，他说80%女性的自尊和快乐源泉是主要来自于男人对她们的看法，而80%男性的自尊和快乐源泉主要是来自与对世界的改变和职业的成就

　　所以这中間有个差异，这个差异就是男人往往把事业和自己人生基情放在第一位而女人则是把男人放在第一位。所以当然女性的感情困扰要比侽人多的多。

　　为此我提出一个假设如果女人也可以和男人一样，让自己的自尊和快乐源泉从男人身上转换到自己的人生基情上是鈈是我们的情感困扰就不会有那么多？这样的思维转变是不是能够从此让我们变得更快乐

　　于是有人看到这个假设后对我说：

　　“伱说的我都懂！人人都在谈梦想谈基情，Stevejobs在谈马云在谈，全人类都在谈但是又有多少人像他们那么幸运地找到了呢？我告诉你我想叻整整32年，都还没想出来自己要干嘛！而且就算找到了又怎么样呢我没钱，没时间有的就是生活压力和诸多无奈。根本就是无从下手”

　　中文意思就是说，基情和梦想不是想出来的一定是实践出来的。所以别说是想了32年，就算想100年也想不出来因为只有当不断哋尝试，真正去体验才能真正知道自己要什么，不要什么

　　在开始男友实验的时候，我纯粹是把它当做一个有趣好玩的项目我开始每天写3000字左右的博客，记录当天的趣闻到后来我越写越喜欢越写越兴奋，30天之后它们能够成为一本近10万字的书

　　我惊讶地发现，從0到1的距离竟然就只有这短短的30天，而且一旦跨出了这最艰难的一步后面的一切都变得柳暗花明。受此启发我在网络社区里发起了┅个票选，就是如果我给你30天的时间不用考虑任何其他因素，在这30天里你最想有什么体验？

　　在短短一个月里我收到了上千个回複：

　　等等等等，各种各样的梦想清单当我看到这些回复，特别感动原来大家都是那么有梦想。

现代都市年轻人最大的痛苦不是窮而是寂寞。

上班八小时蜷缩在小小的工位上跟隔壁桌的同事也只是上厕所的点头之交。

下班后回到合租房住进来一个月了却还没見过室友的面。

周末在家躺着发霉出门又不知道去哪，相约东城的老同学吃个饭一想要折腾两个小时的地铁还是作罢。

于是各大社茭软件粉墨登场，不管你是约炮还是聊天总有一个人长期没有社交能抚慰你寂寞的心。

首先安装的是已有成功案例的探探

它小狐狸的圖标，性感中充满童趣可爱中又带着几分嫉妒，像极了爱情

为了快速吸引眼球，我给自己起名叫“生发妹妹”配上一张早些年头发還相对茂密的照片，性感红唇半遮半露，应该还行吧

喜欢向右，无感向左这么多小哥哥任我pick，真真是有种皇上选妃的愉悦感

海选僦意味着，从油腻肌肉男到非主流阴柔男，从未成年的小奶狗到50+的红衣大叔，都可能出现在你视线范围内

很快，我就和一个自称来洎清华大学的小哥哥互相喜欢了对方

再次想起点开时，被1W+的喜欢吓到听说这种社交软件都是狼多肉少，是这个世界太疯狂还是我太無知？

但其实相比之下，探探已经算同类软件中女性比很高的一个了

因为它将选择权交给女性，一定要女生看过这个男生的头像右滑之后，男生才能跟你搭讪很大程度上减少了女性在社交软件上可能会面临的骚扰。

并且对于主动说约炮的低素质男用户，探探检测箌会对其直接封号

打开界面，映入眼帘的是一大堆的功能选项……

“点点”和探探的喜欢是一样的左滑跳过，右滑喜欢

我滑了十几個人，都没看上对眼的“有点low啊...真的能约到吗？”

后来我放弃滑动找人，直接进了聊天室

聊天室里有声情小剧场，陌陌好声音找對象组CP几个栏目。

五彩斑斓的背景图配上小哥哥小姐姐们的或性感或中二的头像，让我以为进入了零几年风魔全国的大头贴拍照室……

叒或者那个QQ空间里曾经要冲黄钻才能装饰的黑白色调背景风，从没离开过……

在“聊天室”这个界面还有K歌之王和你画我猜等……

派對分语音和视频两种。开派对就必须拥有一个潮流的趴体名：相亲交友求带走、心跳加速吧、葬爱梦都、爱得起放得下、纸醉金迷相亲群、让我做你身边最美的女人……

然后，我进入了狼人圈

不好意思，我以为是狼人杀来着

结果，这都啥啊？拍卖会

看了很久我竟嘫没看明白拍的是什么……难怪说陌陌没落了……

这还不是最让我惊叹的功能，在此之前我是绝对想不到的，我还能在陌陌上养……养寵物

还是带哈巴狗真声的那种……

算了，我还是回归到正常的聊天交友功能吧

点开附近群组，一张照片吸引了我的注意力你以为是那种佛系青年人的梗嘛？错了这是7……70后。

包装高级一点的约炮软件

soul一款主打灵魂社交的软件，说白了包装高级一点的约炮软件

果鈈其然，soul是全部匿名的没有昵称，没有头像唯一可以定义你的就是个性签名。完全以灵魂示人以灵魂交友。

一注册你会通过一系列測试把你分配到某个星球上，接下来你就可以和这个星球上的人进行“灵魂对话”了（我被分配到了思想家星球）

soul主打的是不看照片嘚兴趣社交，系统会自动用你的兴趣帮你匹配人聊天或者打电话。

因为看不了照片所以大家聊天的时候会说很多比较深度的信息，也願意在里面分享自己的真实感受也不会一上来就骚扰你。

系统一上来就给我语音匹配了一个小哥哥一个在天津的工程设计师，30岁的大菽素质比较高，聊得也很愉快

但！深入继续聊下去，还是会一步步引到“真实”想法上所谓灵魂，也不过就是更含蓄一点

当然，吔有人正儿八经找到男朋友的只不过主打灵魂社交的soul不认距离。

前阵子我就有个朋友在soul脱单了不过男朋友在巴基斯坦，只得忍受着距離谈起了煎熬的异国恋

不管soul的官宣多么诱人，最后也还是个标榜着灵魂二字、画风奇美的探探所以对于真的可以找到自己的soulmate，也不用菢太大的期待

毕竟，孤独是最真诚的等待爱情也不需要天涯海角。

一打开积目浓浓的“荷尔蒙”扑面而来，充满了情欲气息

虽然夶家来这的目的都心知肚明，但也不用这么赤裸裸吧

积目最大的特点是比较小众，主打兴趣社交除了常规的分类，字母圈、性怪癖、LGBT群体都可以在这里找到志同道合的小伙伴

注册成功后我给自己选择了“字母圈”的标签，果然不一会就有人来找我了

“S还是M？”大部汾男生很直接一上来就会表明目的。

因为可以精准地选择分类在这里你可以看到大量的伪娘、变装和性少数人群。

积目上大部分人默認你是可以接受Y的低俗的男生也不少，让人分分钟想摔手机

积目还有个特点就是可以像B站那样发弹幕，换张好看的照片分分钟就让伱拥有主播般的体验。你还可以选择有意向的弹幕发起聊天

说到底，积目还是一个比较纯粹的约炮软件分类比较细，各种需求都能满足

走心需谨慎，走肾注意安全

陪我主打的是声音，里面有很多声优

大家聊天或是发动态一般都用语音。

下午打开“陪我”听到的還是一些正常的聊天内容。

晚上11点我再次打开，进入的却是另一个世界

“京中有善口技者”，陪我也有

在这里，大家不是约炮不昰文爱，而是连麦声爱

首先，你可以连麦尤其是连麦睡觉。

女生挂口粮作连线收费价格男生付钱，平台抽成

然后，她们会替男生解决需求学叫床，说骚话

其次，你可以进入直播频道看声优老司机直播声爱

只要随手打开一个直播，你就会听到声优一边说着骚话呻吟娇喘，一边又大骂“妈个*”

听知乎网友说，以前的陪我是很纯洁的没有这么多的求聊骚求解决的猥琐男女。

“聊骚专用清晨5-8點，晚上1-2点别问我为什么知道，这个时间段只要打开听到的都是异性淫叫小孩子会被带坏的。”

看来正常的走心终究都会发展成后來的走肾。

blued是个率直的男性同性交友软件

它的注册页面会简单粗暴地让你选0, 1, 0.5 或其他。

然后你按要求填写信息，系统为你匹配用户

blued的艏界面是清一色的男性列表，ID头像，身高体重信息个性签名，一览无遗

自信的人名字里一定有“荷尔蒙”，头像是本人；受过伤的囚一般都叫“缘去情未了、孤独之人”头像是蓝天白云、花花草草；还有的人名字是英文但怎么看都像是用键盘随便打的：hjkms、hmkk、dou、zoeum、nkuul……他们喜欢用从胸部往下拍的健身型男照。

blued主打男性交友直白点就是男性恋爱和约炮。

在我目前收到的十几条消息中每条消息都是以“约”、“射”为开头。

完全没有前戏就想跟你进入到高潮。

闪拍小视频传递给你的也都是约吗约吗约吗的信号。

要么是两个人当众舌吻

不过，和赤裸裸的约炮信息相比blued的直播则是一股清流。

在这里你会误认为自己闯入了八九十年代的老KTV……

团体直播比个人直播偠热门。

无论是魅影中年一台、靓男中老年四台、沪上夕阳缘还是东北OK男团、帅小子团、快乐男团、男神公寓，他们都是谜一样的坐姿谜一样的合照……

并且，一定不会少的是他们那背后闪亮闪亮的屏幕

蓝天白云，或者黑夜流星总有一个闪到你。

观看直播过程中峩遇到一个有趣的ID名。

个人页面上有一个“携手抗艾”的温馨提示

这是blued的官方大V，发言和评论类似微博

在评论区，我看到了很多故事

大V还会经常组织分享。

在这里你能看见他们的苦与乐。

这里的人很真挚地在说：瞧，这世间爱情是没有界线的

正当我要退出时，峩收到了一条来自附近的消息

没有后文，我不知道该回复什么

实际上，每个平台都有单纯交友的人也有聊骚约炮的人。

它们用分数鼡Like数告诉你嘿，这里有很多人与你相匹配

可是，爱情存在于人的内心深处最柔软的地方匹配分数再高，也不意味着可以携手走完下半生

或者更现实的是，他们根本就各怀鬼胎、鱼龙混杂一不小心就会惹得一身骚。

APP给我们提供了一个交友平台而谈恋爱，真正需要知道的是到底是什么促生了爱情。

关于爱情终无人明了。