簡介
機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論等多門學科。它是人工智能（AI）的核心，是使計算機具有智能的根本途徑。目前已廣泛應用於數據挖掘、計算機視覺、自然語言處理、檢測信用卡欺詐、證券市場分析、搜索引擎、無人駕駛、機器人等領域。
分類
按照學習方法
- 監督式學習（Supervised Learning）：標記過的樣本作為訓練數據。如分類、回歸、排序。
- 非監督式學習（Unsupervised Learning）：未標記過的樣本作為訓練數據。如聚類、降維。
- 半監督式學習（Semi-supervised Learning）：樣本中包括有標記和無標記的數據。通常用於無標記數據很容易獲得，但有標記數據獲取代價昂貴的情況。
- 增強學習（Reinforcement Learning）：智能體不斷與環境進行交互，通過試錯的方式來獲得最佳策略。
按照學習任務
- 分類 - 為每個項目分配一個類別。
- 回歸 - 預測每個項目的值。
- 排序 - 根據一些標准排序項目。如網絡搜索。
- 聚類 - 將項目划分為均勻區域。
- 降維或流形學習 - 將項目的初始表示轉換為這些項目的較低維數，同時保留一些屬性。