freeCodeCamp/guide/chinese/machine-learning/index.md

title	localeTitle
Machine Learning	机器学习

机器学习

人工智能的先驱亚瑟·塞缪尔（Arthur Samuel）在1959年将机器学习定义为“研究领域，使计算机无需明确编程即可学习。”

CMU的Tom Mitchell教授提供了一个更正式的机器学习定义：

“据说计算机程序可以从经验E中学习某些任务T和绩效测量P，如果它在T中的任务中的表现，由P测量，随着经验E而提高。”

考虑下棋的机器学习算法的例子。在这个例子中， E指的是下棋的经验， T是下棋的任务， P表示程序将赢得下一场国际象棋的概率。

机器学习与人类学习方式完全一样。例如，如果一个人想要学习如何玩扑克，它将首先学习规则。然后它将尝试通过玩游戏获得经验。这种体验只不过是一台机器的庞大数据集，通过它可以做出明智的决策来解决所提出的问题。

通常，机器学习问题可以分为监督学习和无监督学习。在监督学习中，您有输入和标记输出，并且您怀疑输入和标记输出之间存在关系。当您既不知道标记输出是什么，也不知道关系存在时，无监督学习将帮助您找到数据中的结构（如果有）。

我们已经涵盖了机器学习的两个主要类别，但机器学习有四大类：

1. 监督学习
2. 无人监督的学习
3. 半监督学习
4. 强化学习

监督学习

监督学习是从监督训练数据推断功能的机器学习任务。培训 数据由一组训练样例组成。在监督学习中，每个示例都是由输入对象组成的对 （通常是矢量）和期望的输出值（也称为监控信号）。此外，监督学习可以作为2范式，分类和回归。

监督学习的基本流程图/步骤

1. 收集训练集。
2. 将训练集划分为输入对象（要素）和输出对象（类或值）
3. 决定您将应用，回归或分类器
4. 决定你将应用哪种算法，SVM，深网等
5. 在训练集上运行算法并使用该模型进行预测

课程：

1. 机器学习简介
2. 机器学习 - 教授：Andrew Ng
3. 使用Python进行数据科学和机器学习 - 动手实践！
4. 机器学习
5. 分析边缘 - 教授：麻省理工学院

视频资源：

1. Siraj Raval的Youtube频道
2. Sentdex的Youtube频道

更多信息：

1. 维基百科上的机器学习
2. 机器学习揭秘：Youtube
3. 如果您想要简要介绍机器学习，并且您更喜欢视频，请尝试使用此机器学习介绍视频
4. 如果您想知道如何继续学习机器学习，请看一下这个视频

实验室

使用Azure Machine Learning Studio构建智能应用程序