1.1　機器學(xué)習(xí)定義

機器學(xué)習(xí)（Machine Learning，ML）是一門人工智能的科學(xué)，是技術(shù)和算法的結(jié)合，致力于從數(shù)據(jù)中獲取學(xué)習(xí)模式。該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗學(xué)習(xí)中改善具體算法的性能。

機器學(xué)習(xí)是實現(xiàn)人工智能的一種途徑，和數(shù)據(jù)挖掘有一定的相似性，也是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、計算復(fù)雜性理論等，圖1.1給出了機器學(xué)習(xí)知識圖譜。機器學(xué)習(xí)更偏重于算法的設(shè)計，讓計算機能夠自動地從數(shù)據(jù)中“學(xué)習(xí)”規(guī)律，并利用規(guī)律對未知數(shù)據(jù)進行預(yù)測。

機器學(xué)習(xí)是人工智能和神經(jīng)計算的核心研究課題之一。機器學(xué)習(xí)問題解決計算機程序如何隨著經(jīng)驗積累自動提高性能。

學(xué)習(xí)是人類具有的一種重要智能行為，但究竟什么是學(xué)習(xí)，長期以來卻眾說紛紜。社會學(xué)家、邏輯學(xué)家和心理學(xué)家都各有不同的看法。

比如，Langley（1996）定義的機器學(xué)習(xí)是“一門人工智能的科學(xué)，該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗學(xué)習(xí)中改善具體算法的性能”（Machine learning is a science of the artificial. The field's main objects of study are artifacts, specifically algorithms that improve their performance with experience）。

Tom Mitchell的機器學(xué)習(xí)（1997）對信息論中的一些概念有詳細的解釋，其中定義機器學(xué)習(xí)時提到，“機器學(xué)習(xí)是對能通過經(jīng)驗自動改進的計算機算法的研究”（Machine Learning is the study of computer algorithms that improve automatically through experience）。

Alpaydin（2004）提出“機器學(xué)習(xí)是用示例數(shù)據(jù)或過去的經(jīng)驗對計算機進行編程以優(yōu)化性能標準”（Machine learning is programming computers to optimize a performance criterion using example data or past experience）。

盡管如此，為了便于進行討論和估計學(xué)科的進展，有必要對機器學(xué)習(xí)給出定義，即使這種定義是不完全和不充分的。顧名思義，機器學(xué)習(xí)是研究如何使用機器來模擬人類學(xué)習(xí)活動的一門學(xué)科。稍微嚴格的提法是：機器學(xué)習(xí)是一門研究機器獲取新知識和新技能，并識別現(xiàn)有知識的學(xué)問。這里所說的“機器”，指的就是計算機，包括電子計算機、中子計算機、光子計算機或神經(jīng)計算機等。

圖1.1　機器學(xué)習(xí)知識圖譜