檢視机器学习的原始碼

[[File:机器学习.jpeg|有框|右|<big>机器学习</big>[https://www.latticesemi.com/-/media/LatticeSemi/Images/Blogs/EnablingMachineLearningattheEdge/Machine-Learning2_Machine-Learning-C.ashx?h=261&la=zh-CN&mh=432&mw=768&w=371 原图链接][https://www.latticesemi.com/zh-CN/Blog/2017/05/19/11/57/EnablingMachineLearningattheEdge 来自 莱迪思博客 的图片]]]

'''机器学习'''是[[人工智能]]的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉[[学科]]，涉及[[概率论]]、[[统计学]]、[[逼近论]]、[[凸分析]]、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得[[规律]]，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的[[学习]]算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。

机器学习已广泛应用于数据挖掘、[[计算机]][[视觉]]、[[自然语言]]处理、[[生物]]特征识别、[[搜索引擎]]、医学诊断、检测信用卡欺诈、[[证券市场分析]]、DNA序列测序、[[语音]]和[[手写识别]]、战略游戏和[[机器人]]等领域<ref>[https://www.sohu.com/a/140682976_116235 机器学习是什么 ]，搜狐，2017-05-15 </ref>。

==定义==

机器学习有下面几种定义：

*机器学习是一门人工智能的[[科学]]，该领域的主要研究对象是人工智能，特别是如何在经验[[学习]]中改善具体算法的性能。

*机器学习是对能通过经验自动改进的[[计算机算法]]的研究。

*机器学习是用[[数据]]或以往的经验，以此优化计算机程序的性能标准。

==分类==

机器学习可以分成下面几种类别<ref>[https://www.sohu.com/a/232583737_99910245 一文看懂什么是机器学习（值得收藏）！ ]，搜狐，2018-05-23</ref>：

*监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个[[函数]]预测结果。监督学习的训练集要求是包括[[输入]]和[[输出]]，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。
监督学习和非监督学习的差别就是训练集目标是否人标注。他们都有训练集 且都有输入和输出

*无监督学习与[[监督学习]]相比，训练集没有人为标注的结果。常见的无监督学习算法有生成对抗网络（GAN）、聚类。
*半监督学习介于监督学习与无监督学习之间。

*增强学习机器为了达成目标，随着[[环境]]的变动，而逐步调整其[[行为]]，并评估每一个行动之后所到的回馈是正向的或负向的。

==视频==
===<center> 机器学习 相关视频</center>===
<center>机器学习的基本概念</center>
<center>{{#iDisplay:u0932o9yxaw|560|390|qq}}</center>

<center>人工智能：什么是机器学习和深度学习</center>
<center>{{#iDisplay:e3020bz5b94|560|390|qq}}</center>

==参考文献==
[[Category:312 電腦科學]]