所谓机器学习，就是让机器 去学习！
一、什么是机器学习
最早的机器学习应用 - 垃圾邮件分辨
可以思考这么一个问题，对于发来的一封邮件，我们怎么判断这封邮件它是一封垃圾邮件还是不是一封垃圾邮件。
传统的计算机解决问题思路：
- 编写规则，定义 “垃圾邮件”，让计算机执行。比如我们可以编写一个传统的算法，输入就是一封邮件所有的信息，输出就是这封邮件是否是垃圾邮件。
但是对于垃圾邮件的分辨这个问题上，我们使用传统的计算机算法解决思路，有一个非常大的问题，其实定义这封邮件是否是垃圾邮件的这个规则很难定义。
- 对于很多问题，规则很难定义
可以思考一下，到底什么样的邮件被称为是垃圾邮件，而什么样特征的邮件就不是垃圾邮件。我们很难制定一系列很精准的规则来判断它们。更致命的问题，就算我们制定出了这个规则，而这个规则也是会随着时间推移不断地变化。
- 规则不断变化
一个很典型的例子是图像识别。在图像识别领域中最基础的领域就是分辨这个图像具体表现的是什么？比如，我给的图像不是猫就是狗，现在给出一张照片，让你辨别这张图片上是猫还是狗。这样的问题就是一个 Binary Classification（二分类）的问题。但是，我们思考一下，我们究竟使用什么样的特性来区分到底是猫还是狗？
比如，上面一张照片，我们人类可以很快地确认左侧是一只狗，右侧是一只猫。但是，如果让你具体的说，究竟是什么让你认为左侧是一只狗，右侧是一只猫。其实会发现这个问题很难回答。尤其是对于这张图，它们摆了同样的姿势，都有两个耳朵，眼睛，鼻子，嘴巴，爪子，都有毛。
其实这个规则是很难编写的。也正是因为如此，图像识别领域，需要大量的使用机器学习的方法来解决，机器学习就是让机器去寻找这张图片的信息和它对应是猫还是狗之间的关系。这种关系有可能是使用人类的语言很难描述的，在后面，就会介绍白盒子和黑盒子的算法。白盒子的算法就是这个算法得到的结果我们很容易可以看出来这些信息和最终结果之间的关系，而黑盒子的算法相应地我们很难解释我们最终得到的这个对应关系到底它的意义是什么，但是机器学习到的这种对应关系，却能够真实的帮助我们判别出究竟一张图片是猫还是狗。
与之相应的，一个非常成熟的应用，就是人脸识别。现在的很多科学家发现使用机器学习的方法实现人脸识别的效果是非常显著的。另外，还有一个更加简单的应用，就是数字识别。
现在，数字识别已经广泛地运用到生活当中，比如一些交通摄像头和车库可以识别你的车牌号等等。
二、人类怎样学习
上面已经介绍了一些图像识别，人脸识别和数字识别。其实这些识别对于我们人类来说，都是一些很简单的事情，但是对于机器来说，确是十分地困难。那么，我们人类是怎么从不知道什么是猫，什么是狗到一眼就能判断出来到底是猫还是狗呢？
这个学习的过程是一个典型的经验学习的过程。首先我们需要有一定的样本资料，可以想象一下，肯定是在很小的时候，无论是在图书中，还是在电视上，或者是在现实生活中。我们不断地接收不同的猫和狗的信息资料，经过我们大脑的学习，归纳，整理，总结，最终形成了属于我们自己的知识和经验。有了这些知识和经验，再遇到类似的任务，我们能马上根据我们得到的知识和经验来作出反应。
其实，机器学习的过程和人类学习的过程是极其相似的。
三、什么是机器学习？
首先，我们为机器学习算法输入大量的学习资料，那么这个机器可以通过学习得到执行任务的算法，我们通常叫做 Model（模型）。然后，当我们有了这个模型之后，我们再输入新的样例，这个模型就可以输出先对应的结果。
其实，对比人类学习的过程和机器学习的过程，我们发现它们是极其相似的。有一点区别就是，我们人脑是非常聪明的，只需要很少的样本资料就可以归纳总结出适用性非常强的知识和经验。而机器是比较笨的，它需要大量的样本资料，但是机器效率是非常高的，它可以处理海量的资料。
随着时代的发展，我们的资料越来越多，计算机的运算速度越来越快，使得在现在这个时代，是一个机器学习领域爆发的时代，因为机器学习可以解决很多非常实际的问题。
四、机器学习应用
- 判断信用卡发放是否有风险？
- 在使用 Google 搜索时根据你输入的部分关键字，判断你真正想搜索的内容
- 浏览商品时，你最有可能购买的商品？
- 你有可能喜欢的音乐，图书，文章？
- 语音识别；人脸识别
- 金融预测；医疗诊断；市场分析
可以预测未来将有更多的领域需要运用机器学习
- 无人驾驶
- 安全领域
- 医疗领域
- 金融领域；市场领域
- 自然语言处理 - 智能翻译
- 各种专有领域：矿产勘查，宇宙探索，药物研发，…
五、概念区别
在这里，我想对一些概念进行区别，比如我们常常所说的人工智能，它与机器学习是什么样的一种关系？
首先，人工智能是比机器学习更大的概念。换句话说，我们之后要学习的机器学习算法只是人工智能领域中解决问题的一部分方法，除此之外，人工智能还有其他相应的方法解决其他相应的问题。
另外，还有一个非常火的词，就是深度学习。事实上，深度学习是比机器学习小的一个概念。换句话说，深度学习是机器学习的一种方法。
