机器学习的定义及应用

机器学习（Machine Learning，ML）是一门多领域交叉学科，涉及概率论、统计学、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能（AI，artificial intelligence）领域中与算法相关的一个子域，它允许计算机不断地进行学习。大多数情况下，这相当于将一组数据传递给算法，并由算法推断出与这些数据的属性相关的信息，借助这些信息，算法就能够预测出未来有可能会出现的其他数据。

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。”一种经常引用的英文定义是：“A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P，if its performance at tasks in T，as measured by P，improves with experience E.”对于机器学习的英文定义，我们可以结合图9-1做一下解释。

图9-1 机器学习的处理过程(www.xing528.com)

如图9-1所示，机器学习的处理过程是：首先数据通过算法构建出模型并对模型进行评估；接着评估的性能如果达到要求就拿这个模型来测试其他数据，如果达不到要求就要调整算法来重新建立模型，再次进行评估；如此循环往复，最终获得满意的经验来处理其他数据。

机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等。这些应用场景已经完全覆盖了我们日常生活中的衣食住行，例如我们可以借助衣物销售数据和客户调查数据对特定的客户提出针对性的时尚建议，借助社交网络数据（文本和地理位置信息）给出餐馆的食物中毒概率，借助建筑的工程参数和能耗给出相似建筑的能耗预测，借助交通信号灯的图片和意义然后在实际场景下立即识别出信号灯的信息。一个实际的例子来自于2006年美国一家公司Netflix举办的一个有奖竞赛，一共有480189个用户对17770部电影的100480507条评论作为初始数据，来预测用户未来的评论行为，如果预测精确度较之前提高10％以上，就能获得100万美元的奖励，6年后Netflix基于这些大数据制作了大热美剧《纸牌屋》。