机器学习是什么，机器学习的定义

随着互联网的高速发展，被收集并应用于分析的数据量呈现出爆发式增长，面对如此量级的数据，以及常见的实时利用该数据的需求，仅依靠人工处理难免力不从心，这就催生了所谓的大数据和机器学习系统。

机器学习是一门多领域的交叉学科，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，专门研究计算机如何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。

通俗地讲，传统计算机工作时需要接收指令，并按照指令逐步执行，最终得到计算结果；机器学习是通过某种算法，将历史数据进行训练得出某种模型，当有新的数据提供时，可以使用训练产生的模型对未来进行预测。机器学习是一种能够赋予机器进行自主学习，不依靠人工进行自主判断的技术，它和人类对历史经验归纳的过程有着相似之处。

机器学习是一门能够让编程计算机从数据中学习的计算机科学（和艺术）。机器学习已经不仅仅只是一个未来幻想了，它已经存在了。事实上，在某些专门领域的应用中，例如光学字符识别（OCR），它甚至已经存在了几十年。

举例来说，垃圾邮件过滤器就是一个机器学习的程序，它通过垃圾邮件（比如用户手动标记的垃圾邮件）以及常规邮件（非垃圾邮件）的示例，来学习标记垃圾邮件。系统用来学习的这些示例，我们称之为训练集。每一个训练示例称为训练实例或者是训练样本。

本文整合自：语言中文网、传智播客

审核编辑：符乾江