什么叫机器学习

机器学习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。

机器学习是在1990年被提出来，比人工智能（AL）晚了35年。机器学习让我们通过算法来解决一些复杂的问题。正如人工智能先驱 Arthur Samuel 在 1959 中写道的那样，机器学习是需要研究的领域，它给计算机学习的能力而不是明确地编程能力。

大多数机器学习的目标是为特定场景开发预测引擎。一个算法将接收到一个域的信息。举个例子：一个人过去观看过的电影，权衡输入做出一个有用的预测（未来想看的不同电影的概率）。

通过计算机学习的能力，通过优化任务衡量变量的可用数据，做出算法，来对未来做出准确的预测。机器通过训练学习。算法最初接收其输出是已知的示例，此时要注意其预测和正确输出之间的差异，并且调谐输入的权重以提高其预测的准确性，直到它们被优化。

因此，机器学习算法的定义特征是：它们的预测的质量会紧随着它的经验来不断地改进。