機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支呕缭，通過(guò)構(gòu)建算法讓計(jì)算機(jī)學(xué)習(xí)嘱巾，并在數(shù)據(jù)集上使用學(xué)習(xí)到的算法完成某種任務(wù)齐邦。正式的定義是：對(duì)于某類任務(wù)T和性能度量P,? 如果一個(gè)計(jì)算機(jī)程序在T上以P度量的性能隨著經(jīng)驗(yàn)E（訓(xùn)練樣例）而自我完善演侯，那么我們稱這個(gè)計(jì)算機(jī)程序在從經(jīng)驗(yàn)E學(xué)習(xí)炕吸。

機(jī)器學(xué)習(xí)的常見應(yīng)用可以分為以下四大類：

圖像處理：通過(guò)分析圖像獲取數(shù)據(jù)或者做一些轉(zhuǎn)換伐憾。

1、圖像標(biāo)記：如算法可以自動(dòng)從照片中檢測(cè)出人臉赫模，基本上是機(jī)器學(xué)習(xí)算法從手動(dòng)標(biāo)記的圖片中學(xué)習(xí)树肃。

2、光學(xué)字符識(shí)別（OCR）：算法將手稿或者掃描文本轉(zhuǎn)換為數(shù)字化版本瀑罗，算法需要學(xué)會(huì)將手寫字符圖像轉(zhuǎn)化成相應(yīng)的數(shù)字化字母胸嘴。

3、自動(dòng)駕駛汽車：讓汽車通過(guò)圖像處理來(lái)自動(dòng)駕駛廓脆，機(jī)器學(xué)習(xí)算法通過(guò)攝像機(jī)拍攝的每一幀圖像來(lái)學(xué)習(xí)哪里是道路的邊緣筛谚，是否有停車標(biāo)志或者是否有車靠近。

文本分析：從文本文件停忿，如郵件驾讲、聊天記錄、文檔中提取或者分類信息席赂。

1吮铭、垃圾郵件過(guò)濾：文本分類的應(yīng)用之一，學(xué)習(xí)如何基于內(nèi)容和主題將郵件歸為垃圾郵件颅停。

2谓晌、情感分析：文本分類的另一個(gè)應(yīng)用，算法需要學(xué)會(huì)基于作者表達(dá)的情緒癞揉，來(lái)將一個(gè)觀點(diǎn)分類成積極纸肉、中立或者消極。

3喊熟、信息提劝胤尽：從文本中，學(xué)會(huì)提取特定的信息或數(shù)據(jù)塊芥牌，如地址烦味、實(shí)體、關(guān)鍵詞等壁拉。

數(shù)據(jù)挖掘：從數(shù)據(jù)中發(fā)現(xiàn)某些模式或者做出預(yù)測(cè)谬俄。也就是從海量的數(shù)據(jù)庫(kù)中挖掘有用的信息柏靶。每一行都可以是訓(xùn)練實(shí)例，每一列都可以作為一個(gè)特征溃论∈候眩可能會(huì)用表中剩余的列來(lái)預(yù)測(cè)一條新的列，或者發(fā)現(xiàn)某種模式來(lái)對(duì)行進(jìn)行分組蔬芥。

1梆靖、異常檢測(cè)：檢測(cè)異常值，如信用卡的欺詐檢測(cè)笔诵，可以從用戶平常的購(gòu)物模式來(lái)檢測(cè)哪些購(gòu)物方式是異常行為。

2姑子、關(guān)聯(lián)規(guī)則：在超市或者電子商務(wù)網(wǎng)站乎婿，可以通過(guò)觀察哪些產(chǎn)品會(huì)一起購(gòu)買來(lái)發(fā)現(xiàn)用戶的購(gòu)買習(xí)慣，可以用于營(yíng)銷輔助街佑。

3谢翎、分組：可以通過(guò)用戶行為和資料來(lái)對(duì)用戶進(jìn)行分組。

4沐旨、預(yù)測(cè)：從剩余變量中預(yù)測(cè)出另一個(gè)變量（數(shù)據(jù)庫(kù)中的一列）森逮，如可以通過(guò)對(duì)現(xiàn)有客戶資料和信用評(píng)分這些信息來(lái)學(xué)習(xí)并預(yù)測(cè)新客戶的信用評(píng)分。

視頻游戲與機(jī)器人

一般來(lái)說(shuō)我們有一個(gè)Agent（游戲角色或者機(jī)器人）磁携，它必須根據(jù)環(huán)境（視頻游戲中的虛擬環(huán)境或者對(duì)于機(jī)器人來(lái)說(shuō)的真實(shí)環(huán)境）來(lái)行動(dòng)褒侧。機(jī)器學(xué)習(xí)可以使這個(gè)Agent執(zhí)行任務(wù)，比如移動(dòng)到某個(gè)環(huán)境中而同時(shí)避開障礙或者機(jī)器人谊迄。在這些情形下一個(gè)最受歡迎的機(jī)器學(xué)習(xí)技術(shù)是強(qiáng)化學(xué)習(xí)闷供，Agent通過(guò)學(xué)習(xí)環(huán)境的強(qiáng)化系數(shù)（如果Agent碰到了障礙物強(qiáng)化系數(shù)為負(fù)，如果達(dá)到目標(biāo)為正）來(lái)執(zhí)行任務(wù)统诺。

機(jī)器學(xué)習(xí)算法的種類

監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)歪脏，兩類的區(qū)別在于提供給算法的訓(xùn)練樣例。

監(jiān)督學(xué)習(xí)：可以看做將特定輸入轉(zhuǎn)換成期望輸出的過(guò)程粮呢，機(jī)器學(xué)習(xí)需要學(xué)會(huì)如何將所有可能輸入轉(zhuǎn)化成正確/期望輸出婿失，所以每個(gè)訓(xùn)練樣例都有特定的輸入和期望輸出，根據(jù)輸出的不同又可以分為兩個(gè)小類：分類和回歸啄寡，瓶頸在于收集正確標(biāo)記的訓(xùn)練數(shù)據(jù)豪硅。

非監(jiān)督學(xué)習(xí)：訓(xùn)練數(shù)據(jù)只需要輸入到算法中即可，不需要對(duì)應(yīng)的期望輸出这难。典型的用例就是發(fā)現(xiàn)訓(xùn)練樣例之間隱藏的結(jié)構(gòu)或者關(guān)系舟误，典型的應(yīng)用就是聚類算法。

機(jī)器學(xué)習(xí)算法

支持向量機(jī)：試圖構(gòu)建一個(gè)超平面高維空間集姻乓，它試圖通過(guò)計(jì)算與最近實(shí)例最大距離來(lái)區(qū)分不同類的實(shí)現(xiàn)嵌溢。

概率模型：這類模型通常通過(guò)對(duì)問(wèn)題進(jìn)行概率分布建模來(lái)預(yù)測(cè)正確的響應(yīng)眯牧。這類算法中最流行的就是樸素貝葉斯分類器，它使用貝葉斯定理和特征之間的獨(dú)立性假設(shè)來(lái)構(gòu)建分類器赖草，優(yōu)勢(shì)是簡(jiǎn)單卻強(qiáng)大学少，不僅會(huì)返回預(yù)測(cè)值還會(huì)返回預(yù)測(cè)值得確定度。

深度學(xué)習(xí)：由一組相互關(guān)聯(lián)的神經(jīng)元組成秧骑，這些神經(jīng)元被組織成許多層版确，深度學(xué)習(xí)使用更深的層構(gòu)建了新的結(jié)構(gòu)，通過(guò)高層次抽象改進(jìn)了算法乎折，不僅改進(jìn)了學(xué)習(xí)方式绒疗，而且構(gòu)建了自動(dòng)表示最重要特征的結(jié)構(gòu)。