ML是一种方法 | ML#Day3

在踏入ML领域的第一步，也是最核心的关键，就是决定命题。

那麽会想解决什麽样的问题呢？

若要在工作上落地应用，想必是与业务相关的问题，也因此本身题目的决定就是很困难的事情。

每个公司的商业模式不同，业务流程和想解决的问题通常也是专属课题，想得到可用的参考资料并不容易，只能自己的团队做决定。

然而根据我们的踩坑经验，在这之前，先了解ML的使用范畴，在ML能够应用的范围内决定题目，才是正确的做法。

不是每个问题都派得上ML

再重复前一篇所提，ML是为了得到一个模型，能够计算丢进来的资料，产出答案，因此解决问题。

很重要的前置概念：

简单和有绝对的因果关系的问题不行，做ML并不是为了解决这种事情而用。

举例：想知道贩售产品的毛利率。

这个问题其实可以透过统计已知的生产成本和营业成本得到答案，成本的计算方式是肯定的而且明确可知，有明确的计算方式，并非是ML的应用用途，一板一眼的计算方式完全不需要经过训练。

上述的计算，可以说是一个函式或者模型，但要知道的是ML是得到模型的一种『方法』，因为有些模型/函式/公式太难透过人脑推理或计算得出，因此藉由ML这种『方法』获得。

换句话说，如果本身可以知道模型内容，就用不上ML对吧。

模型可以解决问题。

但怎麽得出模型，不一定要用到ML，可以是自已写的程序或公式。

所以回过头来的结论。

在ML领域想解决什麽问题，其实是：

想用模型计算/解决什麽问题 + 这个模型的产生方式不是人脑可以简单给出公式解决