机器学习到底适合哪些人群？这个问题困扰着很多人，尤其是还在校园里上课的学生主要针对的是大
三大四即将要毕业的毕业生，和研究生以后要面临的方向。
机器学习是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。
什么样的人适合机器学习？
1、首先是有极大的兴趣
2、是个人的基础比较好：一是编程基础、数据结构算法都很好，二是高数基础，比如概率论、线性
代数、微积分、几何、优化理论等等
3、周围有土壤，有小环境，不管是业余的，还是工作团队，还是网络小组 满足这样的条件，基本
上可以去学机器学习，另外还要有坚强的毅力，良好的自制力。这一点其实很重要，前面都是知识可以
去弥补，但是没有毅力没有自制力，很容易半途而费。
什么样的人不适合机器学习？ 不适合的条件不太好写，从我身边的人总结来看，说几点，大家不要
介怀
1、目标不坚定，容易漂移,不能脚踏实地
2、数学基础很差
3、不知道学以致用，单纯为学而学
学习机器学习人工智能这些东西其实真的很不容易，很多时候，不是说你看完了某几本书或者看完了
论文集就学会了，只能说你看过了这些书，知识掌握没掌握还不定。有人说看见那么多的数学公式头就
晕了，说这话的同学最好就别学了。因为本身数学这东西不是说你查查工具书就可以的，有很多定理原
理性的东西，不钻进去看是不行的，从来没有那个人说手边放一本数学书就可以学机器学习了，所以大
家不妨列个书单目，从基础入手，一步步夯实基础，每天投入4-5个小时，持之以恒，一定可以有所收获
。前几天看过一个帖子，一个高中肄业生富士康员工用了2-3个月时间学习编程，也找到了很不错的编程
工作。
学习能力是智能行为的一个非常重要的特征，但至今对学习的机理尚不清楚。人们曾对机器学习给出
各种定义。H.A.Simon认为，学习是系统所作的适应性变化，使得系统在下一次完成同样或类似的任务时
更为有效。R.s.Michalski认为，学习是构造或修改对于所经历事物的表示。从事专家系统研制的人们则
认为学习是知识的获取。这些观点各有侧重，第一种观点强调学习的外部行为效果，第二种则强调学习
的内部过程，而第三种主要是从知识工程的实用性角度出发的。
机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一
个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。例如，它们遇到错误时不能自我校正
；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归
纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深
入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一
。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视
觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用
机器学习的方法加以克服。