机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。简单来说,机器学习就是重现人认识世界的过程。
如何更好地提高计算机学习的能力并能够通过不断积累经验来提高计算机程序的性能是机器学习问题的核心,这是一个不断地建立模型、训练模型、反馈和应用的过程,而这个过程与婴儿认识世界、学习知识的过程类似。学习需要人指导,婴儿的指导是由家长、老师等完成,是家长告诉了婴儿什么是“苹果”,什么不是“苹果”;而机器的学习过程也需要指导,它的指导老师是一系列的数据,我们称之为训练集,通过学习数据本身所蕴含的信息来积累经验提高性能,例如我们为机器提供了一系列图片并告诉机器哪些图片是苹果,哪些图片不是苹果,机器通过这些带标签的图片数据学习得到属于苹果图片的特征,从而能够正确地识别出一张图片是否是苹果。
机器学习根据所提供的数据标签的完整性,可分为监督学习、弱监督学习和无监督学习。
机器学习的一些典型应用:垃圾邮件检测、语音识别、人脸识别、产品个性化推荐、股票交易分析、医疗影像分析、无人驾驶等。
相关链接: