人工智能-机器学习的基本概念

​机器学习是人工智能中的一个热点内容，我们也都在很多的技术文章中都可以看到这个词，那么到底什么是机器学习呢？机器学习中又有哪些算法呢？接下来，我们就一起来看一下。

机器学习（machine learning），是研究“学习算法”的一门学问。所谓“学习”是指：对于某类任务T和性能度量P，一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。

其中，

任务T：也就是学习算法，机器学习系统通过学习算法学会如何处理样本数据。

经验E：我们可以理解为数据，大部分学习算法可以理解为在某个数据集上获取经验、

性能度量P：在数据处理完后，我们需要对得到的经验模型进行评估，例如：可以通过精确率，错误率等等方法。

如果对上面的说法不太能理解的话，我们可以通过下面这两张图来进一步了解

我们人类在碰到一个新问题的时候，会根据以往的经验，所总结出来的规律去进行判断，从而找到解决问题的方法。

而机器学习就是类似人类处理问题的方式，通过计算机对以往历史数据的分析，从中找出这些数据的变化规律，然后通过这个规律去对对新的数据进行预测，分类等操作。

​

那么机器学习算法和传统基于规则的算法又有什么不同呢？

传统基于规则的算法是通过使用显性的编程方式来解决问题，其中的规则可以被人工明确的。

而机器学习算法是通过使用样本数据进行训练，得出这些数据的变化规律去解决问题。决策的规则复杂或者难以描述，而且这些规则是由机器自动学习获取的，而不是认为明确的。

那么什么时候使用机器学习呢？

1、当问题解决方案过于复杂，人为处理难度大

2、问题可能涉及大量的数据却没明确的数据分布函数，对数据进行分析的成本高

3、数据分布本身随时间变化，需要程序不停的重新适应，比如预测商品销售的趋势

遇到这些情况，我们就可以考虑使用机器学习了。