小白版本

首先,机器学习不是某种具体的算法,而是很多算法的统称。

就好像有人说“我喜欢吃蔬菜”,但是你还是不知道他具体喜欢吃什么,因为蔬菜包含了很多东西,机器学习也是如此。

机器学习怎么理解呢?

假如我们正在教小朋友识字(一、二、三)。我们首先会拿出3张卡片,然后便让小朋友看卡片,一边说“一条横线的是一、两条横线的是二、三条横线的是三”。

不断重复上面的过程,小朋友的大脑就在不停的学习。

当重复的次数足够多时,小朋友就学会了一个新技能——认识汉字:一、二、三。

我们用上面人类的学习过程来类比机器学习。机器学习跟上面提到的人类学习过程很相似。

上面提到的认字的卡片在机器学习中叫——训练集

上面提到的“一条横线,两条横线”这种区分不同汉字的属性叫——特征

小朋友不断学习的过程叫——建模

学会了识字后总结出来的规律叫——模型

通过训练集,不断识别特征,不断建模,最后形成有效的模型,这个过程就叫“机器学习”!

百度百科版本

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。 它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

查看详情

 

维基百科版本

机器学习是利用计算机算法和统计模型是计算机系统使用,逐步提高完成特定任务的能力。

机器学习建立样本数据的数学模型,称为“ 训练数据 ”,以便在不明确编程以执行任务的情况下进行预测或决策。机器学习算法用于电子邮件过滤,网络入侵者检测和计算机视觉的应用,开发用于执行任务的特定指令的算法是不可行的。机器学习与计算统计密切相关,计算统计侧重于使用计算机进行预测。数学优化的研究为机器学习领域提供了方法,理论和应用领域。数据挖掘是机器学习中的一个研究领域,侧重于通过无监督学习进行探索性数据分析。在跨业务问题的应用中,机器学习也被称为预测分析。

查看详情

 

扩展阅读

【书籍】python机器学习

【书籍】Scikit-Learn与TensorFlow机器学习实用指南

【教程】吴恩达的在线视频课程——机器学习

【谷歌研究总监推荐】100页看完机器学习

【教程】李宏毅主页(大量视频教程+资料)

【教程】Google的机器学习速成课(需要科学上网)

【教程】亚马逊的机器学习课程

【教程】微软的机器学习课程

【付费课程】机器学习40讲——极客时间