机器学习，是使用计算方法从数据中“学习”信息，且不依赖于预定方程模型，当用于学习的样本数量增加时，算法可以自适应提高性能，它是人工智能的核心，是教计算机模拟或执行人类的行为。

工作原理

监督式学习旨在构建能够根据存在不确定性的证据做出预测的模型。监督式学习算法接受已知的輸入数据集和对数据的已知响应（输出），然后训练模型，让模型能够为新输入的数据的响应产生合理的预测。

无监督学习可发现数据中隐藏的模式或内在结构。这种技术可根据包含未标记响应的输入数据的数据集执行推理。

聚类是一种最常见的无监督学习技术。这种技术可通过探索性数据分析发现数据中隐藏的模式或分组。聚类的应用包括基因序列分析、市场调查和对象识别。

监督式学习与无监督学习

机器学习的应用

机器学习已经有非常广泛的应用，如数据挖掘、计算机视觉、语音识别、自然语言处理、预见性维护等。

机器学习算法可以从数据中发现规律，帮助人们更好地制定决策和做出预测。目前，医疗诊断、股票交易、能量负荷预测、电子商务及更多行业每天都在使用这些算法制定关键决策。