<<亂寫一通  從機器學習到易經>>

最近在摸Python的機器學習套件Scikit-Learn，腦細胞燒掉不少。乍看之下，機器學習與易經是處在完全不同的世界，但二者其實有個共同特色 ，都是用於預測的工具，而二者也有些共通之處。

機器學習與易經的預測過程可概述如下：

1.選擇一個預測模型

機器學習裏有不少像Gaussian Naive Bayes、Support Vector Machines(SVM)、Principal Component Analysis(PCA)這類有看沒懂的模型;另一方面，易經則有六十四個卦，在進行預測前，先占一個卦，如同先挑定一個機器學習模型。

2.設定問題及安排資料

像易經卜卦時要詢問當事人相關問題，蒐集背景資訊一樣，機器學習也需對要預測的問題，安排相關資料，用術語來講，即是所謂的特徵矩陣（影響變因）及目標向量（觀察結果）。

3.擬合（fit）模型到資料中

如何將選用的模型與觀察到的資料擬合，是做好預測的重要一環，而擬合作業最重要環節，即是對資料進行有效分類。機器學習是運用數學工具進行資料分類作業;而分類本身，則是貫穿易經核心思想的哲理，所謂「方以類聚，物以羣分」，而「在天成象，在地成形，變化見矣」，所以「聖人設卦觀象」，「剛柔相推而生變化」，「是故<<易>>有太極，是生兩儀，兩儀生四象，四象生八卦」，八卦彼此相推變化，匯聚成六十四種情境模型（卦），而每種情境，可再分為六種變化階段（每卦有六爻），所以卜卦時，除要提問所占卜問題外，詢問當事人相關背景訊息，也是重要過程，因了解事情的來龍去脈後，再參照易經情境模型（卦）所闡述的背後演變動因，我們即更能掌握當事人，在當時情境下所處位置，增進卦與當事人所問之事的擬合程度，也就更能洞察在當時情境下可能的演變路徑。

4.預測

無論是機器學習或是易經卜卦，預測結果都是奠基在第3階段的模型擬合學習。預測本身並不玄妙，所謂讓資料自己說話，藉由擬合程度不斷提高的學習過程，我們即能洞悉資訊本身的演變脈絡，「易簡而天下之理得矣」，我們自能推測事物可能的演變。

<參考資料>

易經•繫辭

Jake VanderPlas, Python 資料科學學習手冊

（初稿：民國108年8月3日）