What is Machine Learning
写在前面：本博客所写内容均为本人自学笔记，如有错误之处，还请各位大神多多指教，谢谢。
什么是机器学习
先来看看百度对机器学习的定义：
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、逼近论、凸分析、算法复杂度理论等多门学科。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。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
Tom Mitchell在他的《Machine Learning》书中给出了一个简单明了的定义：
“机器学习这门学科所关注的问题是：计算机程序如何随着经验积累自动提高性能。”
说白了就是一套计算机代码在实现一个功能的过程中，不断通过大量数据的积累学习，来修正其模型参数使其更加准确的过程。能让你的模型更加趋于完美的就是数据，海量的数据，经过不断的修正，最终让你的模型能够更加的贴切的拟合出准确的数据，误差最小。
同时Tom Mitchell又给出了另外一种更加学术的描述，“对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。”
简单的说就是，任务T就是我们写这段代码的目的，比如我们想通过这段代码来实现一个根据房子大小面积等特征来预测房价的模型。性能度量P就是评价你所构建的这套模型的准确度，就是你预测房价的误差，误差越小则性能越好。经验E则是目前我们手中已经有的数据，比如我们现在手里已经有了某个城区的100套房子的面积和价格的真实数据。我们要做的就是构建一个模型，然后利用这100组数据去训练这个模型，将这100组数”喂”给这个模型之后，让其根据这100组数据来不断修正模型参数来自我完善，最终我们任意将一个房子的大小输入模型，该模型会输出这个房子的价格。
示例：
| 房子尺寸/平方米 | 房子价格/万 |
|---|---|
| 100 | 120 |
| 80 | 92 |
| 120 | 143 |
| 75 | 87 |
| 60 | 60 |
| 43 | 50 |
将以上数据用散点图画出来，如下图所示：
构建一个模型来推测房价，然后根据这6组数据来训练模型，最终输出的模型如下图中拟合的线。
当然这条拟合的线应该向两端延伸，由于为了作图方便直接用了excel里的趋势线。最终我们的模型输出就是这条拟合的曲线，当我们利用这条曲线来预测房价的时候就可以根据输入的房子尺寸，对应输出房子价格了。
（当然该例子过于简单，影响房子价格的因素太多，不限于大小，仅供大家理解）
看完了上面的描述，是不是对机器学习有了点概念，当然机器学习的内容不限于以上的介绍，接下来会涉及到不同的机器学习中的技术，随着学习的深入大家对机器学习会有更深入的了解。如果有不太懂的同学，没关系，不用担心，随着后面不断深入的学习，心中的疑惑都会迎刃而解。