原文转自：http://longriver.me/?p=23
machine learning 的一点基本知识，三个基本元素：训练集（training set）、模型（model）、测试集（test set）。还记得数理统计上的线性回归吗？根据已有的数据，设定惩罚函数，对线性函数进行参数估计，得到的线性函数就是model，然后在测试集上验证model的预测准确性。很简单。当今互联网公司大量使用machine learning方法。
最简单的例子，使用google搜索，输入china stroy，它会自动纠正你是不是搜索china story。后台的原理是：google储备了大量的先验数据（大量的文本），story出现概率远远大于stroy，而且和china一起出现的情况下，更是story占据了绝大多数，所以根据bayes估计，confidence大于某个阈值的话就会帮助用户自动纠错，这种纠错是非常靠谱的，因为建立在大量可靠的数据之上模拟google的spelling corrector其实只需要python短短的21行代码。http://norvig.com/spell-correct.html。其实当今的机器学习，主流是基于统计的，呵呵，用我们的话通俗的讲就是数据说明一切，用事实说话，前车之鉴后事之师。