机器学习中的学习应该怎样理解

机器学习

机器学习中，学习（learning）是⼀个训练模型的过程.通过这个过程，我们可以发现正确的参数集，从而使模型强制执⾏所需的⾏为（预测或是分类等问题）。

在机器学习中包含四个关键组件：数据、模型、目标函数、算法.

一个典型的训练过程如下图显示：

整个训练过程步骤：
1.由一个随机初始化的参数模型开始，在一开始的时候，该模型并不能实现所谓的人工智能。
2.模型获取了一些数据样本，如图片信息以及是否标注标签信息等。
3.进行微调，使得数据样本在模型当中运用的更好。
4.不断重复整个过程，直到模型训练出一个令实验者满意的结果。

往往在训练的过程中，利用的是多个数据样本组成的数据集进行训练的，这些样本往往遵循独立同分布。在大多数使用的过程中，每一份样本由一组**特征（features）**组成。而我们的机器学习模型，会根据这些特征进行提取。

在模型训练的过程中，也分为有监督学习、无监督学习。
监督学习：将数据样本的特征打上标签，如该物品叫什么名字，该物品长宽高为多少等，通过标签进行训练，让计算机根据标签内容直接的去做预测。
无监督学习：指从不包含目标标签的训练样本中自动学习到一些有价值的信息．