机器学习与非机器学习的区别

机器学习与非机器学习的区别

在开始学机器学习的时候，老师问我一个很简单的问题： 机器学习与非机器学习的区别是什么？
这个问题困扰我很久很久啊，虽然现在还在学习阶段，但想用现在学的知识初步尝试回答下这个问题。

关于机器学习的理解

由西瓜书中的定义：
机器学习致力于研究如何通过计算的手段，从计算机数据中产生“模型”的 算法，即“学习算法”，并通过运用模型对未知数据进行预测和分析，可以说机器学习是研究关于“学习算法”的学问。

那么其本质就在于*“学习算法”*。
对于已得到的算法，它就能在经验数据的基础上产生“模型”，这个“模型”在面对新的未知情况时，就会给我们提供相应的判断。

非机器学习理解

如果说机器学习是研究关于“学习算法”的学问，那么我理解的机器学习与非机器学习的区别在于：
能否从计算机数据中自行学习经验并产生满足需求的模型，即是否能实现“学习”的行为。

那么如何理解“学习”呢？

我觉得“举一反三”这个成语就能很好的概括。以考研为例，考场上的题目平时未必做过，但考生平时会做很多练习题，总结出做题的技巧，因此在考场上面对陌生的题目也可以很快的找到解决办法。
对于机器学习与非机器学习的理解，我以下图的线性系统为例：

对于机器学习，需要研究 如何在已知数据上学习出H(x) 的这个过程，然后用学到的H(x) 对输入未知的X(t)，计算得到结果结果Y(t)。
而非机器学习，应该是人们根据已知经验给定H(x)，然后对输入数据X(t)进行处理，得到结果Y(t)。

纯属个人理解，若有偏颇，欢迎探讨指正。