啥叫机器学习?你用过苹果手机的Siri手机助理吗?你的邮箱系统可以屏蔽垃圾邮件吗?你浏览过今日头条的推荐频道吗?嗯,这些都使用了机器学习!
机器学习的中心思想是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。这就是说,机器学习不再是简单的,显式的编写具体的固化的程序逻辑来执行某些任务，而是,让计算机自己学习,并生成程序逻辑来完成目标任务。机器学习分为三个大类：监督学习、非监督学习和强化学习。
监督学习的数据是一组带标记的数据。计算机使用某种模式去识别不同类型的不同的样本。监督学习的两种主要类型是分类和回归。在分类算法中，机器在学习的过程中，将一个特定的特征类型归类。垃圾邮件过滤器就是一个机器学习的归类算法的应用。过滤器分析根据每次标记的垃圾邮件的电子邮件，抽取特征，与新来的邮件比较。如果匹配度达到一定的百分比，新邮件将会标记成垃圾邮件。否则，正常处理，发送到你的邮箱。回归是监督学习的另一种算法。在回归算法中，预测未来，是最典型的应用。机器使用过去的标记的数据来预测未来。比如，电信系统中的，基于性能预测故障，基于流量预测扩容需求等。
无监督学习是基于无标签的数据做聚类和降维。事实上，真实世界的数据绝大多数都是没有标签的，所以，无监督学习算法应用非常广泛。无监督学习中聚类用于根据属性和行为对象进行分组。聚类不是分类，我们并不知道未来有多少种组存在。聚类则是把一个组基于什么特征划分成不同的子组，然后应用到有针对性的解决方案中。降维则是通过找到共同点来减少数据集的变量。大多数大数据可视化使用降维来识别趋势和规则。
强化学习则是基于数据体现的历史和经验来做出某种决定。比如打游戏。强化学习与监督和非监督学习不同，它不提供“正确的”答案。它仅仅只关注性能。他基于某种行为，导致的积极和消极的结果来进行学习。很快就能学会要不要做这种动作，比如，下象棋的机器，很快就会学会不能够把它的国王移动到对手的棋子可以进入的空间，否则，就是失败。然后，国际象棋的消极结果就可以被进一步扩展和推断出来，直到最后机器能够击败对手。
机器学习是实现人工智能的具体手段，它使用算法和编程最终实现人工智能。没有机器学习，国际象棋程序将需要考虑每一种case，这需要的代码量可能是无法估量的，各种不同情况的不同组合，要求包含自身和对手的不同移动的所有状况，这几乎是无法度量的。机器学习出现了，我们的代码量就可以减少到很少一部分。
机器学习算法还有两个重磅的领域：深度学习和神经网络。
是不是很抓狂，特别是数学学渣。
下图是机器算法涉及到的数学知识。晕！