變更

'''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。

==定义==

==分类==

*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。