機器學習是人工智能的基礎，本課程將學習到大多數(shù)機器學習中的經(jīng)典算法。

    機器學習（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)特征進行學習（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）。

    機器學習算法已經(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)生的診斷結果、CT圖像等等。使用學習型算法對這些數(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

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

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

    非監(jiān)督學習指的是只給計算機訓練數(shù)據(jù)，不給結果（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)督學習一般表示為聚類算法。