机器学习 概述

机器学习 是使用计算机来彰显数据背后的真实含义，它为了把无序的数据转换成有用的信息。 1. 海量的数据 2. 获取有用的信息

机器学习 场景

例如：识别动物猫 模式识别（官方标准）：人们通过大量的经验，得到结论，从而判断它就是猫。 机器学习（数据学习）：人们通过阅读进行学习，观察它会叫、小眼睛、两只耳朵、四条腿、一条尾巴，得到结论，从而判断它就是猫。 深度学习（深入数据）：人们通过深入了解它，发现它会'喵喵'的叫、与同类的猫科动物很类似，得到结论，从而判断它就是猫。（深度学习常用领域：语音识别、图像识别） 

模式识别（pattern recognition）: 模式识别是最古老的（作为一个术语而言，可以说是很过时的）。    我们把环境与客体统称为“模式”，识别是对模式的一种认知，是如何让一个计算机程序去做一些看起来很“智能”的事情。    通过融于智慧和直觉后，通过构建程序，识别一些事物，而不是人，例如: 识别数字。 

机器学习（machine learning）: 机器学习是最基础的（当下初创公司和研究实验室的热点领域之一）。    在90年代初，人们开始意识到一种可以更有效地构建模式识别算法的方法，那就是用数据（可以通过廉价劳动力采集获得）去替换专家（具有很多图像方面知识的人）。    “机器学习”强调的是，在给计算机程序（或者机器）输入一些数据后，它必须做一些事情，那就是学习这些数据，而这个学习的步骤是明确的。    机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身性能的学科。 

深度学习（deep learning）: 深度学习是非常崭新和有影响力的前沿领域，我们甚至不会去思考-后深度学习时代。    深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。 

参考地址： http://www.csdn.net/article/2015-03-24/2824301 http://baike.baidu.com/link?url=76P-uA4EBrC3G-I__P1tqeO7eoDS709Kp4wYuHxc7GNkz_xn0NxuAtEohbpey7LUa2zUQLJxvIKUx4bnrEfOmsWLKbDmvG1PCoRkJisMTQka6-QReTrIxdYY3v93f55q

机器学习已应用于多个领域，远远超出大多数人的想象，横跨：计算机科学、工程技术和统计学等多个学科。

• 搜索引擎: 根据你的搜索点击，优化你下次的搜索结果。

• 垃圾邮件: 会自动的过滤垃圾广告邮件到垃圾箱内。

• 超市优惠券: 你会发现，你在购买小孩子尿布的时候，售货员会赠送你一张优惠券可以兑换6罐啤酒。

• 邮局邮寄: 手写软件自动识别寄送贺卡的地址。

• 申请贷款: 通过你最近的金融活动信息进行综合评定，决定你是否合格。

阅读全文：http://ml.apachecn.org/mlia/basic-knowledge/