機器學習(Machine Learning, ML)是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行爲,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。簡單來說,機器學習就是重現人認識世界的過程。
如何更好地提高計算機學習的能力並能夠通過不斷積累經驗來提高計算機程序的性能是機器學習問題的核心,這是一個不斷地建立模型、訓練模型、反饋和應用的過程,而這個過程與嬰兒認識世界、學習知識的過程類似。學習需要人指導,嬰兒的指導是由家長、老師等完成,是家長告訴了嬰兒什麼是“蘋果”,什麼不是“蘋果”;而機器的學習過程也需要指導,它的指導老師是一系列的數據,我們稱之爲訓練集,通過學習數據本身所蘊含的信息來積累經驗提高性能,例如我們爲機器提供了一系列圖片並告訴機器哪些圖片是蘋果,哪些圖片不是蘋果,機器通過這些帶標籤的圖片數據學習得到屬於蘋果圖片的特徵,從而能夠正確地識別出一張圖片是否是蘋果。
機器學習根據所提供的數據標籤的完整性,可分爲監督學習、弱監督學習和無監督學習。
機器學習的一些典型應用:垃圾郵件檢測、語音識別、人臉識別、產品個性化推薦、股票交易分析、醫療影像分析、無人駕駛等。
相關鏈接: