在监督学习中，人类(数据挖掘者和机器学习专家)首先需要指定目标变量(期望的状态和结果)，然后用于定义“类标签”——“模型应该能够区分的不同类别”(Barocas & Selbst, 2016:8).以过滤垃圾邮件的任务为例，这是机器学习通常应用的领域:算法的目标是建立一个内部计算机模型，最终使机器能够做出自动化、准确的分类决策(Surden,2014:91)然而，学习任务相差甚远。对垃圾邮件进行分类是“更容易”的任务之一，因为它通常只对二进制类别进行操作。要么分类为垃圾邮件，要么不分类。但是，我们在本书中所关心的大部分任务都与排名和推荐有关，这些任务不能被分解成二元分类。例如，什么构成新闻价值或相关性的问题并不是一个直截了当的任务。正如我们将看到的——特别是在第4章和第6章—一—没有办法直接衡量新闻价值，因为这个概念是各自行业和平台构建其系统的特定方式的函数无论是对提要中的内容进行排名，还是将电子邮件分类为垃圾邮件，一个有用的模型都依赖于不断输入新数据来优化其性能。
最重要的是，正如麦肯齐所说，有许多不同的算法可以用来“给数据施加形状”。例如，对于预测建模，众所周知的算法技术包括：逻辑回归模型、朴素贝叶斯分类器、k近邻、支持向量机、随机森林和神经网络(麦肯齐,2015)。然而，正如Bernhard Rieder(2017)指出的那样，像朴素贝叶斯分类器这样的算法还不是对该术语更严格理解的算法。相反，它概述了一种通用的方法——一种“算法技术”——用于解决特定的计算问题。如果我们想把它变成可以运行的算法，就必须进一步具体说明。例如，对于随机森林，你必须指定树的数量，以及在每棵树中尝试的分裂次数。对于神经网络，你必须指定隐藏层的深度。所以从某种意义上说，我们离算法还很远。然而，也有算法技术来指定这些所谓的超参数许多软件也自带默认参数。一旦你指定了这些参数，你就有了数据，那么它就是一个狭义计算意义上的“算法”，而没有它们，它就是不完整的。决定是否使用一种技术而不是另一种技术的因素“取决于领域(即贷款违约预测与图像识别)，其在分类中的演示准确性以及可用的计算资源，以及其他问题”(Burrell,2016:5)。以人脸识别问题为例。每天有超过3.5亿张照片上传到Facebook上，人脸识别是Facebook使用机器学习的一个重要领域算法在各种现有数据集上进行训练，以学习如何在野外检测人脸。然而，根据识别的具体任务，可以使用不同的算法
26
IF . . . THEN