機器學(xué)習(xí)，是使用計算方法從數(shù)據(jù)中“學(xué)習(xí)”信息，且不依賴于預(yù)定方程模型，當(dāng)用于學(xué)習(xí)的樣本數(shù)量增加時，算法可以自適應(yīng)提高性能，它是人工智能的核心，是教計算機模擬或執(zhí)行人類的行為。

工作原理

監(jiān)督式學(xué)習(xí)旨在構(gòu)建能夠根據(jù)存在不確定性的證據(jù)做出預(yù)測的模型。監(jiān)督式學(xué)習(xí)算法接受已知的輸入數(shù)據(jù)集和對數(shù)據(jù)的已知響應(yīng)（輸出），然后訓(xùn)練模型，讓模型能夠為新輸入的數(shù)據(jù)的響應(yīng)產(chǎn)生合理的預(yù)測。

無監(jiān)督學(xué)習(xí)可發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式或內(nèi)在結(jié)構(gòu)。這種技術(shù)可根據(jù)包含未標(biāo)記響應(yīng)的輸入數(shù)據(jù)的數(shù)據(jù)集執(zhí)行推理。

聚類是一種最常見的無監(jiān)督學(xué)習(xí)技術(shù)。這種技術(shù)可通過探索性數(shù)據(jù)分析發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式或分組。聚類的應(yīng)用包括基因序列分析、市場調(diào)查和對象識別。

監(jiān)督式學(xué)習(xí)與無監(jiān)督學(xué)習(xí)

機器學(xué)習(xí)的應(yīng)用

機器學(xué)習(xí)已經(jīng)有非常廣泛的應(yīng)用，如數(shù)據(jù)挖掘、計算機視覺、語音識別、自然語言處理、預(yù)見性維護(hù)等。

機器學(xué)習(xí)算法可以從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，幫助人們更好地制定決策和做出預(yù)測。目前，醫(yī)療診斷、股票交易、能量負(fù)荷預(yù)測、電子商務(wù)及更多行業(yè)每天都在使用這些算法制定關(guān)鍵決策。