1 导 语
理解机器学习的概念对每个人都是有益的，机器学习根本不接受你输入的指令,相反,它接受你输入的数据! 也就是说,机器学习是一种让计算机利用数据而不是指令来进行各种工作。
2 传统算法
计算机的主要任务应该是为人类解决问题。传统的方法是通过“编程”来解决；通俗的讲，是由我们告诉计算机一个合适的解决问题的算法，这个算法是对程序的详细描述。待解决的问题可以通过算法有效地描述。就好像在上小学的时候，我们都学习利用算法对两个数进行加减操作。算法能够快速、完美的解决问题，这一优点计算机远远优于人类。
但是，程序也有其局限性。我们如何识别一只猫的照片呢？这个看似简单的问题，但难以构建一个适合的算法。让我们思考一下。即便是简单的指令，如“有四条腿”或“有两只眼睛”但这样的描述并不准确，因为做罗列的这些特征可能被隐藏，或者照片可能只显示了猫的一部分。然后，我们面对如何识别腿部或眼睛，这与识别一只猫同样困难。
3 机器学习
这时候就体现出了机器学习的魅力。计算机并不是必须使用算法解决问题，它可以使用示例学习算法。我们利用样品训练计算机。以猫为例，这意味着要使用大量图片训练系统，这些图片描绘了相应标记的猫（即，监督学习，样本上都打有标记）。通过这种方式，算法逐步成熟，最终能够识别出图片上的猫。
事实上，在这种情况下，计算机通常不会像模型中的参数那样学习经典程序，例如网络中的边缘权重。这个原则与我们大脑中的学习过程进行比较，神经细胞可以适应它们之间的联系。像大脑一样，与经典程序不同，具有边缘权重的网络几乎不可能被人类解释。
深度学习中的人工神经网络已被证明非常成功的。深度学习是实现机器学习的一种技术，而机器学习又是人工智能的一个分支学科，是计算机科学研究的一个主要分支。早在2012年，一个谷歌研究团队成功地训练了一个由16,000台计算机组成的网络，利用深度学习，从1000万个YouTube视频从图像中识别猫（和其他对象类别）。
现实中更多的问题都类似于“识别猫”而不是“数字运算”，因此不能用人类编写算法的方法充分解决。这种问题通常是识别某些数据中的特征，例如：识别图像中的对象、识别自然语言中的文本或交易数据中的欺诈行为。
我们一起来看一个简单的案例：预测性维护。想象一下，许多传感器发送数据流，偶尔机器发生故障。接下来的难点是：学习最终导致故障的数据流中的特征。一旦学习了这种特征，就可以在正常操作时识别它，从而预测和防止潜在的故障。
虽然，机器学习的原理并不是近期提出的，但目前它受欢迎程度仍在不断的提升。有以下三个主要原因： 首先，应用和训练需要大量的有效数据（“大数据”）；其次，拥有满足我们需求的巨大的计算能力，特别是在云端；第三，一系列开源项目已经导致算法或多或少地被人们访问。
4 机器学习 VS 传统算法
机器学习并不是取代了传统的编程，而是对它的补充。它提供的工具能够帮我们解决迄今为止难以解决的一大类问题。总的来说，它为我们提供了新的机会，同时越来越多现有的系统也能够适应机器学习功能。
遵循特征的重复操作是一个典型的例子。设想一下，计算机程序具有通过一系列复杂菜单访问一百个功能，但您每天主要使用的只是其中的一些。通过观察通常为以下步骤，计算机学会预测人们的下一步行动，从而提高效率。或者，进行数据的分配和转换（例如，用于填充数据仓库的ETL工作）；在计算机“学习”重复数据和对象的部分，许多步骤可以自动、快速的进行。
5 应 用
几乎每个领域都有很多这样的例子：针对不同层次学生的学习材料（特别像是“大规模开放式在线课程”或MOOCs），疾病的早期诊断，针对线上营销的适合目标群体，客户流失，自动识别数据质量问题，或通过用户资料匹配的约会服务。
借助先进的工具，Spark（与Hadoop结合使用）已成为机器学习领域领先的大数据框架。Talend也在采用这种方法，但它是通过对工作进行建模（包括培训和生产部署）来提高水平。建模降低了复杂性，同时导致与底层技术的一定程度的独立性，这些技术持续快速的变化，因此只有少数专家才能掌握。
只有少数专家需要真正了解机器学习领域中最精细的算法细节。另一方面，理解机器学习的概念对每个人都是有益的。机器学习的基础是从示例中学习特征，并且能够在新数据集上使用它们。最终，这扩大了利用机器解决的问题类别和其自动化程度：尤其是使用决策的过程。这正是计算机学到的东西，它根据从训练数据中积累的知识，对新出具做出决定。一方面，利用自动化决策这一优势，另一方面，利用机器分析出的恒定数据结果，以优化他们的业务。
计算机现在不仅能够遵循明确的指令，而且能够通过示例自己学习（如，通过训练样本识别猫的图片）。通过以无限种方式组合程序，最终为自动化带来更多机会。
6 结 语
机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展 。
联系客服
