什么是机器学习,机器学习分类 _云知道

机器学习是什么意思？

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。学习是人类具有的一种重要智能行为，但究竟什么是机器学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。那么机器学习到底是什么？直白来说，机器学习就是运用集成运算单元根据人类大脑的学习方式，进行模拟学习的一类学科。
举个简单的例子，假设今天周一，机器人‘小明’要去上学，下雨了就没法去学校了，那么我们需要让小明知道如果下雨，那么不去上学；如果天晴，那么就去上学。这事给小明一个训练集（类似于练习题，做一次，错了就给正确答案了，对了更好），经过我们人类事先给好习题和答案，小明能够知道下面这个逻辑：此时学校规定，除非雨大到水位250px才可以不来上学。
这时小明又要开始判断了。当雨水不足以阻挡小明去上学，那么问题又来了？小明是该打车去还是坐公交去呢？假如第一标准是八点之前必须到学校，第二标准是尽量不要淋雨，第三标准是花的钱要少。假设三个标准的权重分别是0.5 ， 0.3 ， 0.2。此时小明要对已经比较复杂的状况进行选择了。如果小明考虑小明怎么走路才能更有效率，在中途打车时怎么跟司机交流呢？司机不可能只说一句话吧。
如果小明能应对司机所说的每句话，假设司机一般只说3类话（上车，去哪，多少钱）。每一类话的表达方式有很多种吧（‘来，上车’、‘小伙子快上来外面有雨’），假设每类话有30种可能，那光跟司机交流的可能话语就有30的3次方中可能，也就是说需要2.7万个谈话练习题（样本）就能保证小明能跟司机完成最基本的交流。在不断的扩充练习题（训练样本）进行训练学习，机器人“小明”会越来越聪明，这就是机器学习。
学习机器学习会有哪些弯路？

机器学习目前不仅是计算机大类专业研究生必须掌握的重点内容，很多本科生也需要掌握一定的机器学习知识，如果说编程语言是打开计算机技术大门的钥匙，那么机器学习则是打开大数据、人工智能技术大门的钥匙。不论是初学者还是资深的科研工作者，在机器学习这条不归路上都会或多或少走一些弯路，只是结果会有区别。这些年来我一直在给研一的同学讲机器学习这门课程，总结一下大家学习机器学习的弯路，基本上有三种情况。
其一是重理论轻实践。这是很多初学者同学会犯的错误，虽然对于科研工作者来说，没有必要实现一些机器学习算法，因为没有必要自己做轮子，这一点我在之前的文章中已经有了一定的描述，但是对于初学者来说，学习机器学习就应该先从机器学习的经典流程开始。其二是脱离场景。机器学习本身的应用与场景具有紧密的联系，如果脱离场景来探讨和学习机器学习本身就存在问题，而这正是很多初学者会犯的错误。