机器学习 - 基本概念

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。

以上是官方套话，摘自百度百科。乍一看，读者会觉得机器学习很神奇，很难入门。但实际上，用一句更简单的话总结：机器学习是一个计算机程序，对于某个任务从经验中进行学习，并且会随着学习的越多做得越来越好。

简介

所以我们很容易就知道机器学习中最重要的两个东西

1、数据：有了数据才能够训练程序。只要掌握的数据质量高、数量大，就相当于拿到了训练出好的模型的钥匙🔑。这也就是为什么 Google 的人工智能会如此成功，因为他们手中掌握了大量的数据。
2、模型：也就是算法。特定的模型能够完成特定的任务。
 

机器学习的分类

机器学习大体上可以分为两类，一类是监督学习，一类是无监督学习。
顾名思义，有监督学习就是通过大量已知的输入和输出相配对的数据（有标记的数据），让计算机从中学习规律，从而能针对新的输入做出合理的输出预测。无监督学习就是给计算机大量的无标记的输入数据，去分析它们内在的结构以及联系，从而去把这些数据自动分类，这就叫做聚类
细分下去，有监督学习可以分为两种