机器学习的定义及分类

机器学习

定义

机器学习（Machine Learning, ML）是人工智能（AI）的一个重要分支，旨在通过计算机系统的学习和自动化推理，使计算机能够从数据中获取知识和经验，并利用这些知识和经验进行模式识别、预测和决策。其核心思想是使用数据来训练计算机算法，使其能够自动地从数据中学习并改进自己的性能，而无需明确地编程。

分类

监督学习

定义：利用已知的数据集（包括输入和输出）来训练模型，使模型能够预测新的输入数据的输出。
做法： 将未标记的数据放入不同的集群中，根据学习数据抽出共性(比如关键词等)，达到一个分类的目的。进而判断其属于哪个集群。

无监督学习

在没有标签的数据集上进行学习，发现数据中的隐藏结构和规律。(其与监督学习来比的话没有一个明确的答案)
分类：聚类算法、异常检测、降维等
领域：垃圾信息的判定，硬件故障的检测(比如说这里有一个热水壶，它在烧热水的最终情况下热水水温为多少度，与之相接的插线板的插头处多少度，我们假定其中90%多的产品都位于某个区间，比如±2 °，则我们基本可以说在这个范围之外的，就是有问题的)。

强化学习

通过与环境的交互学习，以最大化累积奖励。(比如你希望该算法去做什么，然后给其这个选择一点激励，也可以视作是一个加权的操作)。
领域：游戏、自动驾驶、医疗等