什么是机器学习？有哪些应用？终于有人讲明白了

导读：人工智能的快速发展，带动了相关技术的繁荣。近些年，国内外的科技公司对机器学习人才都有大量需求。怎样入行机器学习？本文带你从0开始学起。

作者：星环科技人工智能平台团队

来源：大数据DT（ID：hzdashuju）

01 机器学习的背景

当提及机器学习时，我们的脑海里一般会浮现出这样一幅画面：

一个拥有类似人类智能的机器人正在像人类一样尝试理解一件事情。

这样的画面让人觉得是遥不可及的科幻世界。但实际上，机器学习与人类的生产生活已经密不可分了。早在20世纪90年代，一个非常成功的机器学习案例已经使数亿人受益：今天为人所熟知的垃圾信息过滤。该案例成功后，出现了诸多效仿者，并且在现代社会已经有十分广泛的应用。

• 商家在推荐系统与广告计算方面使用机器学习，前者会在海量的商品中恰如其分地选中你所喜欢的一款，让你欣然完成交易，而后者因其精确的广告点击率计算，为企业创造了显著的收益；

• 在金融领域，机器学习参与了反欺诈、反洗钱风控等常人难以胜任的工作，其在时间序列预测方面也有自己的一席之地；

• 智能问答机器人以及电话接线员已经大幅减少了企业用人成本；

• 在制造业中，如何精益化生产、如何轻而易举地发现残次品等，皆有其用武之地。我们已深处于一个无时无刻不接触机器学习的时代。

02 机器学习的定义

如果从更精细的角度去描述机器学习，那么首先要给出机器学习历史上两个著名的定义。机器学习(machine learning)一般被定义为一个系统自我改进的过程。从字面意义上说，机器指计算机，学习是这个自我改进的过程。最初机器学习这个名字由Arthur Samuel提出，他给了机器学习一个非正式的定义。

• Arthur Samuel的机器学习定义

机器学习是一个这样的领域：计算机在程序员并不对其进行显式编程的情况下进行自我学习的能力。

具体来讲，机器学习是一门针对算法与统计模型的学科，主要是利用计算机系统高效地执行特殊任务，该任务没有显式的指令，而是依靠模型和推断等。

机器学习算法会建立一个关于样本数据的数学模型，这些样本数据通常被称为“训练集”(training data)。这样做的目的是在执行任务时不去进行显式的预测或决策，这同时也表明了机器学习不是一个已确定好的规则和流程。

机器学习算法可以被用于邮件过滤、网络入侵检测以及计算机视觉等。机器学习与利用计算机进行预测的计算数学比较接近。