機器學習是一幫計算機科學家想讓計算機像人一樣思考，所研發出來的計算機理論。

在計算機科學家眼里看來，人和計算機其實并沒有差別。同樣都是一大批互相連接的 信息傳遞和存儲元素所組成的系統。所以有了這樣的想法，加上那批科學家得天獨厚的數學功底，機器學習的前身也有孕育而生了，機器學習的萌芽誕生于19世紀60年代。20年前逐漸興起，它是一門跨學科的交融。這里面包含了概率論，統計學等等學科。
隨著計算機硬件的提升，計算機運算速度的不斷提高，它真正開始進入到我們的日常生活當中，而在不久的將來，我相信它也會成為我們生活中必不可少的組成元素。
我們說一說日常生活中的機器學習的應用
第一個提到的，最具代表性的公司 應該就是GOOGLE，它所開發的google now,google photos都是基于機器學習的產物。與此同時，各種各樣的企業都開始嘗試把自己的產品往機器學習上靠攏。比如金融公司的匯率預測，股票漲跌，房地產公司的房價預測等等。
機器學習不僅僅只有一種方法。實現它的方法多種多樣，這里所說的方法，在程序語言中，我們叫做算法。目前所有機器學習的算法大概可以被分為4到5類。
如果在學習過程中，我們不斷的向計算機提供數據和這些數據所對應的值。比如給計算機看貓和狗的圖片，并告訴計算機哪個是貓，哪個是狗，這種學習的方式就叫做“監督學習（supervised learning）”
大家所熟知的神經網絡同樣是一種監督學習的方式。
但如果同樣在這種學習過程中，我只給計算機提供貓和狗的圖片，但并不告訴計算機哪些是貓哪些是狗，而是讓計算機自己去判斷和分類，讓計算機自己總結出兩種圖片之間的不同之處，這就是一種“非監督學習（unsupervised learning）”。在這一種學習過程中，我們可以不用提供數據所對應的標簽信息，計算機通過觀察各種數據之間的特性，會發現這些特性背后的規律。這些規律也就是非監督方法所學到的東西。
還有一種方法綜合了監督學習和非監督學習的特征，這種叫做“半監督學習（semi-supervised learning）”
它主要考慮如何利用少量有標簽的樣本和大量沒有標簽的樣本進行訓練和分類。
在規劃機器人的行為準則方面，一種機器學習方法叫做“強化學習（reinforcement learning）”,也就是把計算機丟到一個對于它完全陌生的環境或者讓它完成一項從未接觸過的任務，它自己會嘗試各種手段，最后讓自己成功的適應這一陌生的環境。或者學會完成這件任務的方法途徑。
還有一種和強化學習類似的學習方法，叫做遺傳算法（Geneticalgorithm），這一種是模擬我們熟知的進化理論，淘汰弱者，適者生存。通過這樣的淘汰機制去選擇最優的設計或模型。
總結
有數據和標簽的 監督學習
只有數據沒有標簽的 非監督學習
結合了監督學習和非監督學習的半監督學習
從經驗中總結提升的強化學習
最后是和強化學習類似的，有著適者生存 不適者淘汰準則的遺傳算法。

總結

以上是生活随笔為你收集整理的1.什么是机器学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。