机器学习，为什么如此重要？这篇文章带你走进人工智能！

在介绍机器学习之前，首先我来给大家分享一篇划时代的论文，2006年，Geoffrey Hinton等人发表了一篇论文，展示了如何训练能够高精度（>98％）识别手写数字的深度神经网络。他们将这种技术称为“深度学习”。

在当时，深度神经网络的训练被普遍认为是不可能的。这篇论文重新激起了科学界的兴趣。不久之后，许多新的论文展示了深度学习不仅是可行的，而且能取得令人瞩目的成就。大数据、高性能硬件和新的算法，一同推动机器学习快速发展。

那么，什么是机器学习呢？

1959年Arthur Samuel将它定义为“机器学习研究如何让计算机不需要明确的程序也具备学习能力”

传统编程方法

如果用传统编程技术来编写一个垃圾邮件过滤器，你会怎么做？

1、看看垃圾邮件长什么样。可能会注意到某些词汇出现的频率非常高，比如“免费”，“低息”，“抵押”等，也许还会发现一些其他模式。

2、为每个模式编写检测算法。

3、测试这个程序，不断重复1和2。 

自动适应变化

*自动注意到新的关键词

*可以处理传统方法难以解决的问题，比如语音识别。

帮助人类学习

可以通过检视机器学习算法以了解它们学到了什么。

比如查看可以作为垃圾邮件最佳预判因子的词汇。

有时候，这可能会揭示出人类未曾意识到的关联性或是新趋势。

应用机器学习技术来挖掘数据，可以帮助我们发现此前并非显而易见的模式。这个过程称为数据挖掘。

机器学习分类

*监督式学习

*无监督式学习

*半监督式学习

*强化学习

监督式学习/无监督式学习

在监督式学习中，提供给算法的训练数据是经过标记的，相当于有了题目和答案，寻找解题过程。

无监督式学习的训练数据都是未经标记的。系统会在没有答案的情况下进行学习。

<