机器学习是什么？（基本概念及相关应用）

内容整理引用自MATLAB 机器学习（官方中文电子书）

机器学习是什么？

机器学习教计算机执行人和动物与生俱来的活动：从经验中学习。机器学习算法使用计算方法直接从数据中“学习”信息，而不依赖于预定方程模型。当可用于学习的样本数量增加时，这些算法可自适应提高性能。

实际环境中的应用：

• 计算金融学，用于信用评估和算法交易
• 图像处理和计算机视觉，用于人脸识别、运动检测和对象检测
• 计算生物学，用于肿瘤检测、药物发现和DNA顺序分析
• 能源生产，用于预测价格和负荷
• 汽车、航空航天和制造业，用于预见性维护
• 自然语言处理

机器学习的工作原理

• 无监督式学习*（仅基于输入数据对数据进行分组和解释）*：聚类
• 监督式学习*（基于输入和输出数据开发预测模型）*：分类、回归

监督式学习
旨在构建能够根据存在不确定性的证据做出预测的模型。监督式学习算法接受已知的输入数据集和对数据的已知响应（输出），然后训练模型，让模型能够为新输入数据的响应生成合理的预测。