首先，恭喜大家准备开始入坑机器学习，我真的没有笑。咳咳咳，也没有那么好笑是吧。

在入坑之前，需要大家有一定的数学基础，高数，线代，概率论，个人认为概率论更加重要，也更加难。我之前也有出过相关的文章。

机器学习_喜欢吃豆的博客-CSDN博客

https://blog.csdn.net/m0_63309778/category_11720689.html

里面有一些学习机器学习这门技术之前需要了解的东西，一定要去看，觉得我写的不好的就去百度，反正这些前置知识是一定要有的。

今天主要就是跟大家分享一下什么是机器学习，还有关于机器学习的一些基础内容，最重要的是应该怎么学。哈哈哈，虽然说看我的文章和发布的视频也能学，说不定你看我的更能理解（浅浅吹个牛逼应该没人会在意吧）。刚刚去B站上面搜了一下，目前还是有相当多好的视频能够让大家去学习。

吴恩达老师的都是全英文，是真的折磨。别听人家说这样可以提高英语水平，跟听天文没区别，但是要是你英语足够好，那你去吧，说不定真能提高。第一排的机器学习视频绝对是王中王，很好，没话说。我后面也会出视频。当然，毕竟我也还只是个学生，我只能尽量把这些老师讲的都听一遍，然后再结合自己的了解来说给大家听，我觉得这样可能能让大家更容易接受。

好啦，不扯那么多，我们来讲一讲什么叫做机器学习。

一，什么叫做机器学习？

1，学习的定义

近代学习是心理学的一个术语。它有广义和狭义之分。广义的学习是指人和动物在生活过程中获得个体经验的过程，是动物和人类生活中的普遍现象。如动物园里的象学会吹口琴、海狮和鲸鱼学会顶球、熊学会合掌拜谢等。狭义的学习指的是学生在学校里的学习。

2，维基百科对于机器学习的定义

机器学习有下面几种定义：

机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。

机器学习是对能通过经验自动改进的计算机算法的研究。

机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。

3，机器学习的三要素

数据、算法、模型

机器学习研究的是从数据中通过选取合适的算法，自动的归纳逻辑或规则，并根据这个归纳的结果(模型)与新数据来进行预测。

4，机器学习与人类学习过程

5，总结

人的学习有两个基本方法，一个是演绎法，一个是归纳法，这两种方法分别对应人工智能中的两种系统：专家系统和机器学习系统。所谓演绎法，是从已知的规则和事实出发，推导新的规则、新的事实，这对应于专家系统。专家系统也是早期的人工智能系统，它也称为规则系统，找一组某个领域的专家，如医学领域的专家，他们会将自己的知识或经验总结成某一条条规则、事实，例如某个人体温超过37度、流鼻涕、流眼泪，那么他就是感冒，这是一条规则。当这些专家将自己的知识、经验输入到系统中，这个系统便开始运行，每遇到一些新情况，会将之变为一条条事实。当将事实输入到专家系统时，专家会根据规则或事实进行推导、梳理，并得到最终结论，这便是专家系统。而归纳法是从现有样本数据中不断地观察、归纳、总结出规律和事实，对应机器学习系统或统计学习系统，侧重于统计学习，从大量的样本中统计、挖掘、发现潜在的规律和事实。

6，现在常说的机器学习、深度学习、人工智能的关系

人工智能的范围可以说很大、很泛，从表面上可以理解为机器的智能化，让机器像人一样能解决思考解决问题。其实人工智能核心技术包括很多的方面：推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。可以说机器学习和深度学习都是人工智能这个大主题下的一部分吧，深度学习又可以归为机器学习的一部分。简而言之，机器学习和深度学习是人工智能的两个关键的技能，看人工智能的发展历史，人工智能三大研究内容：计算机模仿人类的思考，对环境的感知和动作的实现是人工智能的三大研究内容。

即:人工智能>机器学习>深度学习

二，机器学习过程中的几个注意点

1:从感知到认知

感知的一个重要体现就是数据的获取与收集(可类比人对信息的获取，如眼睛)，认知强调理解

2:从学习到决策

学习: 对已有数据应用相关算法进行规则/模型的计算归纳；决策：遇到新的问题时，使用学到的知识进行学习

3:算法和数据哪个更重要

数据秒杀一切算法，但真正推动社会的进步的是算法，而不是数据。数据就好像是工业革命时期的煤炭，非常重要，蒸汽机就像是算法，最后大家记住的是瓦特发明了蒸汽机，而不是英国的煤矿。

应用实例：

以上内容部分来自于什么是机器学习 - 知乎 (zhihu.com)

1，计算机有着快速计算的能力，所以它能用比人类更少的时间去完成某件事，人们如果想很快的得到一个较复杂的问题的答案，第一想法就是取捷径。因为人脑并不能承受太大的计算量，而电脑不同。电脑可以毫不费力地解决大计算量地计算问题。但是电脑也仅限于此。而机器学习要做的就是让电脑像人一样学习。所以，机器学习已经成为了计算机的一个能力。

2，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E之后，经过P评判，程序在处理T时的性能有所提升。

3，机器学习的算法主要分为两类：监督学习和非监督学习。监督学习是指，我们去教计算机如何完成任务。而非监督学习指的是，我们打算让计算机自己学习。