简单来说，机器学习（ML）是机器（计算机）的编程，因此它可以通过使用和分析数据（信息）来独立执行该任务来执行所请求的任务， 没有额外的具体输入 来自人类开发人员。
机器学习101
术语 机器学习 1959年由人工智能（AI）和计算机游戏先驱Arthur Samuel在IBM实验室创造。因此，机器学习是人工智能的一个分支。塞缪尔的前提是将时间的计算模型颠倒过来，停止给计算机学习东西。
相反，他希望计算机能够开始自己解决问题，而人类不必输入最微小的信息。然后，他认为，计算机不仅可以执行任务，还可以最终决定执行哪些任务以及何时执行。为什么？因此，计算机可以减少人类在任何给定区域内所需的工作量。
机器学习如何运作
机器学习通过使用算法和数据来工作。算法是一组指令或指南，告诉计算机或程序如何执行任务。 ML中使用的算法收集数据，识别模式，并使用该数据的分析来调整自己的程序和功能以完成任务。
ML算法使用规则集，决策树，图形模型，自然语言处理和神经网络（仅举几例）来自动处理数据以制定决策和执行任务。虽然ML可能是一个复杂的主题，但Google的Teachable Machine提供了ML如何工作的简化动手演示。
当今使用的最强大的机器学习形式称为深度学习，它基于大量数据构建了一个称为神经网络的复杂数学结构。神经网络是ML和AI中的一组算法，模仿人类大脑中神经细胞和神经系统处理信息的方式。
人工智能与机器学习与数据挖掘
为了更好地理解AI，ML和数据挖掘之间的关系，想一套不同大小的雨伞是有帮助的。 AI是最大的保护伞。 ML伞尺寸较小，适合AI伞下方。数据挖掘伞是最小的，适合ML伞。
- 人工智能是计算机科学的一个分支，旨在利用以人类智能为模型的推理和决策技术，使计算机能够以更“智能”和“类似人”的方式执行任务。
- ML是AI中的一类计算，专注于编程机器（计算机）学习（收集必要的数据或示例），以更自动化的方式进行数据驱动的智能决策。
- 数据挖掘使用统计信息，ML，AI和巨大的信息数据库来查找模式，提供洞察力，创建分类，识别问题并提供详细的数据分析。
机器学习能做什么（已经做过）
计算机在几分之一秒内分析大量信息的能力使ML在许多需要时间和准确性的行业中很有用。
- 医学： ML技术正在为医疗领域的一系列解决方案中实施，包括帮助急诊科医生更快地诊断具有异常症状的患者。医生可以将患者症状列表输入到程序中并使用ML，该程序可以从医学文献和互联网中搜索数万亿个TB的信息，以便在创纪录的时间内返回潜在诊断列表和推荐的测试或治疗。
- 教育： ML用于创建教育工具，根据学生的学习需求定制，例如虚拟学习助手和更具互动性的电子教科书。这些工具使用ML通过简短的测验和练习练习来发现学生理解的概念和技能。然后，工具提供简短的视频，附加示例和背景材料，以帮助学生学习所需的技能或概念。
- 汽车： ML也是新兴自动驾驶汽车领域（也称为无驾驶汽车或自动驾驶汽车）的关键组成部分。操作自动驾驶汽车的软件在现实路试和模拟中使用ML来检测道路状况（例如冰路）或识别道路中的障碍物并学习适当的驾驶任务以安全地驾驶这种情况。
你很可能已经多次遇到ML而没有意识到它。 ML技术的一些更常见的用途包括实用的语音识别（三星的Bixby，Apple的Siri，以及许多现在是PC标准的谈话文本程序），垃圾邮件过滤功能，建立新闻源，检测欺诈，个性化购物建议，并提供更有效的网络搜索结果。
ML甚至涉及您的Facebook Feed。当您喜欢或频繁点击朋友的帖子时，幕后的算法和ML会从您的行为中“学习”，以优先处理您的新闻源中的某些朋友或页面。
什么机器学习不能做
但是，ML可以做什么是有限的。例如，在不同行业中使用ML技术需要人们进行大量的开发和编程，以使程序或系统专门用于该行业所需的任务类型。在我们上面的医学例子中，急诊科使用的ML程序是专门为人类医学开发的。目前无法采取该确切的计划并直接在兽医应急中心实施。这种转变需要人类程序员进行广泛的专业化和开发，以创建一个能够为兽医或动物医学完成这项任务的版本。
它还需要非常大量的数据和示例来学习决策和执行任务所需的信息。 ML程序在数据解释和与符号主义的斗争中也是非常直接的，并且在数据结果中也存在一些类型的关系，例如因果关系。
然而，持续的进步使ML更多地成为每天创造更智能计算机的核心技术。
