：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，开奖，与人工智能业界领袖携手改变世界。

　　【新智元导读】机器学习应用统计学习技术，自动识别数据集内的模式。这些技术可以用来作出准确性很高的预测。决策树是机器学习作预测的常见方法之一，本文以一个房屋资料数据集为示例，用可视化图阐释了如何建一个能够区分房屋地理位置的决策树模型。虽然原文发布已有一段时间，然而每次看来仍然震撼，强烈推荐：

　　机器学习中，计算机常应用统计学习技术自动识别数据集内的模式。这些技术可以用来作出高度准确的预测。本文以一个房屋资料的数据集为示例，图解如何建一个能够区分纽约市和旧金山的房子的机器学习模型。

　　一些直观特征

　　假设我们需要凭数据预测一栋房屋是位于旧金山还是纽约市，应该怎样做呢？在机器学习学科里，这是一种分类任务（classification task）。

　　如果你到过旧金山，你可能会知道其地貌是高低不平的丘陵地带。那么房屋的海拔数据或许能区分这两座城市的房屋。

　　上图表示两地房屋的海拔数据，你可能会认为海拔240英尺以上的房子看来应该是位于旧金山的。这是我们凭直觉所能作出的初步预测。

　　增加维度

　　增加一个维度（dimension）能让我们发现更多差别特征。例如，纽约市的房子每平方英尺价格显然要比旧金山的贵得多。

　　所以加上每平方英尺价格这个维度后，我们的图变成了散点图，从散点图可以看到，海拔较低的房屋中，单价相对高的房子应该是纽约市的。

　　从这些数据中我们可以作出这样的预测：在海拔低于或等于240英尺的房子中，如果每平方英尺价格高于1776美元，那么这栋房子应该位于纽约市。

　　机器学习中，数据集内的维度又称特征（features），预测器（predictors）或变数（variables）。

　　划分边界

　　我们可以把海拔（>242ft）和每平方英尺单价（>$1776）作为分界线上面的散点图上画出来。图上绿色的部分（海拔>242ft）可以归类为旧金山的房子，蓝色的部分（平方英尺单价>$1776，海拔≤242ft）归类为纽约的房子。

　　这种利用数据找出合理的分界线的方法是统计学习的基础。

　　但是，直播，左下角哪些海拔低，单价也低的房子该怎么分类呢？我们需要更多的特征数据。

　　我们用来建机器学习模型的房屋数据集里有七个维度。在机器学习中，建模的过程又称训练模型（training a model）。

　　如图，我们把每两个维度的关系都制成散点图，从图中可以看出数据的规律，但分界线不明显。

　　机器学习

　　在数据中寻找模式是机器学习的特长。机器学习方法可以使用统计学习找出最佳分界线。

　　接下来我们将介绍一种叫决策树（decision tree）的机器学习方法。决策树会逐一分析数据集里的维度，是一种合理可行的机器学习方法。

　　寻找更好的分界特征

　　让我们回顾最初的海拔数据图，想想怎样找到更好的分界特征。显然，换个角度，把原来的海拔图变为矩形图（histogram）可以更直观地看出数据里的规律，例如每个海拔上房子的数量趋势。

　　从矩形图中可以看出，纽约市海拔最高的房子大约是240英尺，但大多数房子都位于海拔较低的地方。

　　第一个分支