機器學習是什么意思？

在不斷的擴充練習題進行訓練學習，機器人“小明”會越來越聰明，這就是機器學習。

機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。學習是人類具有的一種重要智能行為，但究竟什么是機器學習，長期以來卻眾說紛紜。社會學家、邏輯學家和心理學家都各有其不同的看法。

那么機器學習到底是什么？

直白來說，機器學習就是運用集成運算單元根據人類大腦的學習方式，進行模擬學習的一類學科。舉個簡單的例子，假設今天周一，機器人‘小明’要去上學，下雨了就沒法去學校了，那么我們需要讓小明知道如果下雨，那么不去上學；如果天晴，那么就去上學。這時給小明一個訓練集（類似于練習題，做一次，錯了就給正確答案了，對了更好），經過我們人類事先給好習題和答案，小明能夠知道下面這個邏輯：

此時學校規定，除非雨大到水位10cm才可以不來上學。這時小明又要開始判斷了。

當雨水不足以阻擋小明去上學，那么問題又來了？小明是該打車去還是坐公交去呢？假如第一標準是八點之前必須到學校，第二標準是盡量不要淋雨，第三標準是花的錢要少。假設三個標準的權重分別是0.5，0.3，0.2 ，此時小明要對已經比較復雜的狀況進行選擇了。

如果小明考慮小明怎么走路才能更有效率，在中途打車時怎么跟司機交流呢？司機不可能只說一句話吧。如果小明能應對司機所說的每句話，假設司機一般只說3類話（上車，去哪，多少錢）。每一類話的表達方式有很多種吧（‘來，上車’、‘小伙子快上來外面有雨’），假設每類話有30種可能，那光跟司機交流的可能話語就有30的3次方中可能，也就是說需要2.7萬個談話練習題（樣本）就能保證小明能跟司機完成最基本的交流。

在不斷的擴充練習題（訓練樣本）進行訓練學習，機器人“小明”會越來越聰明，這就是機器學習。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！