在最一般的意義上，算法是一系列指令，告訴計算機如何將一組關于世界的事實轉化為有用的信息。事實是數據，有用的信息是人的知識、機器的指令或另一種算法的輸入。算法有許多常見的例子，從對一組數字進行排序到通過地圖找到路線，再到在屏幕上顯示信息。

要對算法的概念有所了解，可以考慮早上穿衣服。很少有人再考慮一下。但是你會如何寫下你的過程或者告訴一個5歲的孩子你的方法呢？詳細回答這些問題會產生一個算法。

投入

對計算機來說，輸入是做出決策所需的信息。

早上穿衣服的時候，需要哪些信息？首先，你需要知道你的衣柜里有什么衣服。然后你可能會考慮溫度是多少，當天的天氣預報是什么，什么季節(jié)，也許還有一些個人偏好。

所有這些都可以用數據來表示，數據本質上是數字或單詞的簡單集合。例如，溫度是一個數字，天氣預報可能是“多雨”或“陽光”

轉換

接下來是算法的核心——計算。計算包括算術、決策和重復。

那么，這怎么適用于穿衣服呢？你通過對這些輸入量進行數學運算來做出決定。你是否穿夾克可能取決于溫度，你選擇哪件夾克可能取決于天氣預報。對電腦來說，我們的著裝算法的一部分看起來像是“如果氣溫低于50度，而且正在下雨，那就挑一件雨衣和一件長袖襯衫穿在下面?！?br />
挑選完衣服后，你需要穿上它們。這是我們算法的關鍵部分。對計算機來說，重復可以表示為“穿上每件衣服”

輸出

最后，算法的最后一步是輸出——表達答案。對計算機來說，輸出通常是更多的數據，就像輸入一樣。它允許計算機以復雜的方式將算法串在一起，產生更多的算法。然而，輸出也可以包括呈現信息，例如將單詞放在屏幕上，產生聽覺提示或一些其他形式的交流。

所以，穿好衣服后，你走進這個世界，準備好迎接周圍人的目光。也許你甚至自拍，放在Instagram上炫耀你的東西。

機器學習

有時候，它太復雜了，無法詳細說明決策過程。一個特殊的算法類別，機器學習算法，試圖基于一組過去的決策例子來“學習”。機器學習在推薦、預測和查找信息等方面很常見。

以我們的著裝為例機器學習算法相當于你記住過去關于穿什么的決定，知道你穿每件衣服的感覺有多舒服，也許知道哪張自拍最受歡迎，并使用它信息做出更好的選擇。

所以，一個算法這個過程是一個計算機用于將輸入數據轉換為輸出數據。一個簡單的概念，但你接觸的每一項技術都涉及許多算法。也許下次你拿起手機，看好萊塢電影或查看電子郵件時，你可以思考一下幕后是什么樣的復雜算法。