一直以來，機器學習都是大家的關注焦點之一。因此針對大家的興趣點所在，小編將為大家?guī)頇C器學習的相關介紹，詳細內容請看下文。

一、什么是機器學習

機器學習是一門多領域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現(xiàn)人類的學習行為，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。

它是人工智能核心，是使計算機具有智能的根本途徑。

機器學習是研究怎樣使用計算機模擬或實現(xiàn)人類學習活動的科學，是人工智能中最具智能特征，最前沿的研究領域之一。自20世紀80年代以來，機器學習作為實現(xiàn)人工智能的途徑，在人工智能界引起了廣泛的興趣，特別是近十幾年來，機器學習領域的研究工作發(fā)展很快，它已成為人工智能的重要課題之一。機器學習不僅在基于知識的系統(tǒng)中得到應用，而且在自然語言理解、非單調推理、機器視覺、模式識別等許多領域也得到了廣泛應用。一個系統(tǒng)是否具有學習能力已成為是否具有“智能”的一個標志。機器學習的研究主要分為兩類研究方向：第一類是傳統(tǒng)機器學習的研究，該類研究主要是研究學習機制，注重探索模擬人的學習機制;第二類是大數(shù)據(jù)環(huán)境下機器學習的研究，該類研究主要是研究如何有效利用信息，注重從巨量數(shù)據(jù)中獲取隱藏的、有效的、可理解的知識。

機器學習歷經70年的曲折發(fā)展，以深度學習為代表借鑒人腦的多分層結構、神經元的連接交互信息的逐層分析處理機制，自適應、自學習的強大并行信息處理能力，在很多方面收獲了突破性進展，其中最有代表性的是圖像識別領域。

二、機器學習分為哪三種

1、監(jiān)督學習(supervised learning)

監(jiān)督學習是指通過已有的訓練樣本(即已知數(shù)據(jù)以及其對應的輸出)來訓練，從而得到一個最優(yōu)模型，再利用這個模型將所有新的數(shù)據(jù)樣本映射為相應的輸出結果，對輸出結果進行簡單的判斷從而實現(xiàn)分類的目的，那么這個最優(yōu)模型也就具有了對未知數(shù)據(jù)進行分類的能力。

監(jiān)督學習中只要輸入樣本集,機器就可以從中推演出制定目標變量的可能結果。如協(xié)同過濾推薦算法,通過對訓練集進行監(jiān)督學習,并對測試集進行預測,從而達到預測的目的。

2、無監(jiān)督學習(unsupervised learning)

與監(jiān)督學習相對應的是無監(jiān)督學習,此時數(shù)據(jù)沒有類別信息,也不會給定目標值。在無監(jiān)督學習 中 , 將數(shù)據(jù)集合分成由類似的對象組成的多個類的過程被稱為聚類;將尋找描述數(shù)據(jù)統(tǒng)計值的過程稱之為密度估計。此外,無監(jiān)督學習還可以減少數(shù)據(jù)特征的維度,以便我們可以使用二維或三維圖形更加直觀地展示數(shù)據(jù)信息。

舉個例子

比如，遠古時期，我們的祖先打獵吃肉，他們本身之前是沒有經驗而言的，當有人用很粗的石頭去割動物的皮的時候，發(fā)現(xiàn)很難把皮隔開，但是又有人用很薄的石頭去割，發(fā)現(xiàn)比別人更加容易的隔開動物的毛皮，于是，第二天、第三天、……，他們就知道了需要尋找比較薄的石頭片來割。這些就是無監(jiān)督學習的思想，外界沒有經驗和訓練數(shù)據(jù)樣本提供給它們，完全靠自己摸索。

3、增強學習(reinforcement learning)

增強學習又叫做強化學習，是近年來機器學習和智能控制領域的主要方法之一。它是機器學習中一個非?；钴S且有趣的領域，相比其他學習方法，增強學習更接近生物學習的本質，因此有望獲得更高的智能。

增強學習關注的是智能體如何在環(huán)境中采取一系列行為，從而獲得最大的累積回報。通過增強學習，一個智能體應該知道在什么狀態(tài)下應該采取什么行為。增強學習是從環(huán)境狀態(tài)到動作的映射的學習，我們把這個映射稱為策略。

最后，小編誠心感謝大家的閱讀。你們的每一次閱讀，對小編來說都是莫大的鼓勵和鼓舞。希望大家對機器學習已經具備了初步的認識，最后的最后，祝大家有個精彩的一天。