工作笔记20170330如何介绍机器学习所做的事情

1. 机器学习研究的是基于大数据建模的问题，挖掘数据内在规律，是属于统计学的一个分支。传统统计学多是建立一些线性模型，机器学习除此之外还可以建立一些非线性模型。寻找一些非线性相关关系。既然是统计，也是寻找相关关系。

2. 机器学习主要分为监督学习，无监督学习，半监督学习，强化学习等。

3. 目前监督学习应用比较广泛，也是研究最多的分支。

4. 人类的学习是根据以往的经验对一类问题形成认识并总结规律，并对未来进行预测。机器学习，顾名思义，模仿人类的学习过程。它相比人类学习的学习能力是逊色许多，毕竟人类学习能力是经过几十万年人类出现逐渐形成的。但机器学习也有它的优势，便是对大数据的存储和处理的能力。举个简单的例子，机器可以毫秒秒内浏览上万条数据，人可能要几个小时。但机器不会自学习，这要人类的学习过程总结成算法，总结成人类处理问题的步骤，并把这些解决问题的方法教给计算机，这些方法便是机器学习算法。

5. 问题的复杂程度，数据的多少，是考验机器学习各种算法以及人类学习能力的关键。如果问题简单，数据足够多，大部分算法都能达到很好的效果。如果问题复杂，数据也有限，人类的能力最强。如果问题复杂，数据足够，机器会占上风的可能性大大提高。