主题：【原创】机器学习的基础是什么？(0) -- 看树的老鼠

这是和itn网友的讨论。虽然是他的一个特殊的例子，我认为具备普遍性，就提上来到这里。

按照我的理解，他的情况基本上如此：有一个时间序列A1A2A3······AN，这里N大于300。Ak是标量（不知道范围，估计可以认为在一个小范围内，比如说0-255等，他的量可能要取对数？）。他需要一个比较智能的东西来监测这个标量的变化，在异常变动时，自动报警。而且这个异常变动不仅和前后两个标量的变化幅度有关，也时间所在也有关。他说的，白天变化颇大也正常，但是晚上这个变化就不正常了。

这个事情本身不是难题，甚至可以说连问题都不是。如果是写程序来做的话，很容易。但是，我们希望的是能够让机器自己来学习，尽量减少人工的干预。现在来看如何做。

当然有很多做法。itn网友是根据Hawkins的那个脑学习算法来做的。根据他们的那个视频，他们的那个算法可以把时间序列记忆下来（恐怕也记忆不了全部，仅能记忆一段吧），而且可以预测以后若干时间的标量，至少是可以比较好的预测（这要请itn网友来仔细讲讲），就是说，如果我知道了Ak，我就可以比较好预测A（k+1），A（k+2），······，A（k+20），等。那么，有了这样的数据，是否就比较好做报警了呢？

可能可以。比如说，如果我预测A（k+10）应该仅比Ak大10（比如说的话），但是，实际上A（k+10）大了50，是不是我就可以报警了呢？这样看，好像不太用人工干预，就可以做报警了。

但是，仍然，为什么大了50，就可以报警？这个标准，不是机器可以学习的，如果没有外面的监督和指导的话。我想，这就是目前的机器学习的极限了。

其实，如果没有了外面的监督和指导，即使一个真人在那里，也不太好定这个标准。这个标准多少需要外部的反馈。这就更是学习的极限。