浅谈什么是机器学习

退休后的AlphaGo，赢了柯洁，也赢了围棋五虎上将，标志着人工智能算法达到了一个新的高度，人工智能、深度学习、机器学习等话题也成为了大家讨论的话题，成为了茶余饭后的话题。这篇文章是关于“比你更了解你，浅谈用户画像”的，我们来聊聊机器学习的话题，这篇文章是以入门介绍为主，技术介绍在后面几篇中展开。

什么是机器学习？

学习定义

现代学习是一种心理学术语。这有广义与狭义之分。学习是人与动物在生活过程中获取个人经验的过程，是动物与人类生活的一种普遍现象。比如，在动物园里，象学口琴，海狮和鲸鱼学顶球，熊学合掌拜谢等等。狭窄的学习是指学生在学校里学习。

维基百科对机器学习的定义

机器学习有下面几种定义：

机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。

机器学习是对能通过经验自动改进的计算机算法的研究。

机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。

机器学习三要素。

数据，算法，模型

机器学习研究的是从数据中选择适当的算法，自动归纳出逻辑或规则，并以此归纳出的结果(模型)为基础对新数据进行预测。

机器和人的学习过程。

举个栗子。

实际上机器学习在很大程度上和人类学习有很多共同的地方，那么我们就先举个例子，看看人类是如何学习的，来类比机器学习。

假如有一对情侣，你们是主角(女朋友)，两个月前，朋友介绍了一个工作狂的男朋友给你们认识。了解一下吧，你们每个周末都会一起去约会吃饭；已经约会了8个星期了，每周都有男朋友要比约定时间晚10-30分钟到，所以你每个约会都会比约定时间晚10-30分钟，而且你可以总结出一个规律(如果约会之前打电话给他说他在公司，那基本上都是晚30分钟到，如果他说在家，那基本上是晚10分钟)，不过男朋友后来迟到的时间从10分钟，30分钟，变成了15分钟，45分钟，而你也可以根据约定的时间调整一下晚到的时间。

比喻：机器学习法是计算机根据已有的数据(8次约会的经验)，得出某种模型(迟到规律)，并用这种模型预测未来(是否迟到)。

概述

人类学习有两种基本方法，一种是演绎法，另一种是归纳法，这两种方法分别对应于人工智能的专家系统和机器学习系统。我们所说的演绎法，就是从已知的规则和事实出发，导出与专家系统相对应的新规则和新事实。在早期人工智能系统中，专家系统也叫“规则系统”，如果找出一组在某一领域的专家，比如在医学领域，他们将他们的知识或经验归纳为某种规则，比如某人体温超过37度，流鼻涕，流泪，那他就是感冒了。随着专家们把他们的知识、经验输入系统，系统就开始运转起来，每遇到一种新情况，就把它变成一条事实。把事实输入专家系统中，专家可以根据规则或事实进行推导、梳理，得出最后的结论，这就是所谓的专家系统。归纳性就是从已有的样本数据中不断观察、归纳、总结出规律和事实，与机器学习或统计学习系统相对应，着重于统计学习，从大量样本中进行统计，挖掘、发现潜在的规律和事实。

目前人们对机器学习，深度学习，人工智能的关系很熟悉。

AI的范围可以说很大，很广，从表面上看可以理解为机器的智能，让机器像人一样解决思考问题。事实上，人工智能的核心技术包括许多方面：推理，知识，计划，学习，沟通，感知，移动和操纵物体的能力等等。机器学习和深度学习可以说都是人工智能这一大课题下的一部分，而深度学习也可以归入机器学习范畴。简单地说，机器学习和深度学习是人工智能的两个关键技能，看看人工智能的发展史，人工智能的三大研究内容：计算机模拟人的思维，环境感知和行为实现。

也就是说：人工智能>机器学习>深度学习。