机器学习和显式编程之间的区别[关闭]答案

【问题标题】：Difference between Machine Learning and explicit programming [closed]机器学习和显式编程之间的区别[关闭]
【发布时间】：2016-03-18 14:23:54
【问题描述】：

我是数据科学领域的新手。所以我试图一步一步地了解他的基础知识。在他最重要的领域中，我们发现了机器学习。

我找到了这个定义：

“机器学习是赋予机器学习能力而无需明确编程的研究领域。”

对我来说仍然很模糊的是，我们如何才能让机器在不被编程的情况下学习！！

谁能帮我说清楚？

【问题讨论】：

用一句话准确地定义机器学习是非常非常困难和不可能的。我想这里的重点是——机器可以仅从数据中学习（例如如何做出决定），而不需要人类专家来准确地告诉机器该做什么。当然，自学习机器也必须进行编程......但这只是机器学习的一小部分，我真的不喜欢这个定义。
@cel 认为你。我将重点放在答案中的链接以更了解:)
ML 算法不关心您正在解决的问题（在某种程度上）......它们是通用的，因此它们可以跨许多问题域工作......而传统的显式编程通常是非常域具体......一个类比：你大脑内部的神经网络 (ML) 处理视觉、认知、味觉、感觉运动，而你的肌肉（传统的显式方法）只有在它们收缩以将不同的骨骼拉在一起时才有效

标签： machine-learning data-science

【解决方案1】：

通过机器学习，您可以制作一个可以自行学习事物的程序，例如，通过一个程序，它可以学习检测图片中是否有猫。现在您不必告诉程序每张图片中是否有猫，程序将使用机器学习自行学习。

您可以使用不同的机器学习方法，例如监督学习，您可以为程序提供一组带有标签的示例数据点，以指示该数据的含义。对于无监督学习，您不会给示例打标签，因此程序必须自己找到集群/模式。也许这可以帮助您学习它： http://www.r-bloggers.com/in-depth-introduction-to-machine-learning-in-15-hours-of-expert-videos/

【讨论】：

感谢您的解释。我将专注于此链接以更了解:)