1、機器學習的概念

維基百科的解釋是：

  機器學習是人工智慧的一個分支。人工智慧的研究歷史有著一條從以“推理”為重點，到以“知識”為重點，再到以“學習”為重點的自然、清晰的脈絡。顯然，機器學習是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的演算法。

  機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行預測的演算法。因為學習演算法中涉及了大量的統計學理論，機器學習與推斷統計學聯絡尤為密切，也被稱為統計學習理論。演算法設計方面，機器學習理論關注可以實現的，行之有效的學習演算法。很多推論問題屬於無程式可循難度，所以部分的機器學習研究是開發容易處理的近似演算法。

簡單來說：無序資料轉化為有價值的方法，從資料中抽取規律，並用來預測未來

2、機器學習應用舉例

分類問題--影象識別、垃圾郵件識別

迴歸問題--股價預測、房價預測

排序問題--點選率預估、推薦演算法

生成問題--影象生成、影象風格轉換、影象文章描述生成

3、機器學習一般步驟

資料處理（採集+去噪）

模型訓練（特徵+模型）

模型評估與優化

模型應用

未完待續~~