开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第3天，点击查看活动详情

一、机器学习的定义

机器学习是一种实现人工智能的主流方法，它能从纷繁复杂的数据中去寻找规律，建立关系，同时以新建立的关系去解决实际生活中的问题。

机器学习的应用场景非常广泛，从数据挖掘到计算机视觉，从自然语言处理到金融领域的证券分析，再到医疗领域的医疗诊断、DNA测序等等，都可以从中看到机器学习的身影。

二、机器学习的基本思路

机器学习的一般步骤就是将数据有目的清洗后，作为训练数据交给计算机运算，最终由计算机得出一个新的关系，这个新的关系就可以在新的数据上展开预测。可以理解为从一堆数据中找到可以表达它们的函数式，最终利用这个函数式求解新的数据。

机器学习基本可以概括为四种，包括监督学习、无监督学习、半监督学习和强化学习。四种学习方式的区别在于如何处理训练数据。

监督学习指训练数据包含了正确的结果，也就是对源数据打了标签即数据是带有某种倾向性的。

无监督学习指训练数据不包含正确的结果，数据没有打标签，完全的源数据。

半监督学习指训练数据包含少量正确的结果，即只有一小部分数据打了标签。

强化学习指每次都会根据训练结果获得的奖惩进行学习，实现优化。

当然，如今随着技术的发展，这四种方式也并非完全泾渭分明，而是可以互相借鉴使用，也就是所谓的混合学习。那么以上就是对机器学习整体的一个介绍了。