機器學(xué)習(xí)是人工智能的基礎(chǔ)，本課程將學(xué)習(xí)到大多數(shù)機器學(xué)習(xí)中的經(jīng)典算法。

    機器學(xué)習(xí)（machine learning）形象的來說，就是使用機器（計算機）利用數(shù)據(jù)，自行對數(shù)據(jù)特征進行學(xué)習(xí)（與手工編寫程序直接解決問題區(qū)分），來解決現(xiàn)實生活中的問題（如手寫數(shù)字識別、實例分割等等）。

    機器學(xué)習(xí)算法已經(jīng)對人們對數(shù)據(jù)的利用方式造成了重大改變。例如醫(yī)院開始將診療數(shù)據(jù)保存下來，包括病人的基本信息、醫(yī)生的診斷結(jié)果、CT圖像等等。使用學(xué)習(xí)型算法對這些數(shù)據(jù)進行分析，就可以得到一段時間內(nèi)的病例發(fā)展趨勢，或者嘗試利用CT數(shù)據(jù)對病人的病灶進行自動檢測等等。

分類

    機器學(xué)習(xí)可以簡單的認為是基于數(shù)據(jù)的學(xué)習(xí)。依據(jù)學(xué)習(xí)時是否有數(shù)據(jù)標簽，分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)

    監(jiān)督學(xué)習(xí)指不僅把訓(xùn)練數(shù)據(jù)丟給計算機，而且還把分類的結(jié)果（數(shù)據(jù)具有的標簽）也一并丟給計算機分析。 計算機進行學(xué)習(xí)之后，再丟給它新的未知的數(shù)據(jù)，它也能計算出該數(shù)據(jù)導(dǎo)致各種結(jié)果的概率，給你一個最接近正確的結(jié)果。 由于計算機在學(xué)習(xí)的過程中不僅有訓(xùn)練數(shù)據(jù)，而且有訓(xùn)練結(jié)果（標簽），因此訓(xùn)練的效果通常不錯。監(jiān)督學(xué)習(xí)的結(jié)果可分為兩類：分類或回歸。

    非監(jiān)督學(xué)習(xí)指的是只給計算機訓(xùn)練數(shù)據(jù)，不給結(jié)果（標簽），因此計算機無法準確地知道哪些數(shù)據(jù)具有哪些標簽，只能通過發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的一些相似特征，把數(shù)據(jù)劃分為若干類。非監(jiān)督學(xué)習(xí)一般表示為聚類算法。