黄家宸，张金川

（1.中国石化石油勘探开发研究院，北京100083；2.中国地质大学（北京）能源学院，北京100083；3.自然资源部页岩气资源战略评价重点实验室，北京100083；4.非常规天然气能源地质评价与开发工程北京市重点实验室，北京100083）

机器学习是一种泛化能力较强的数据驱动预测方法。李航[1]、周志华[2]在专著中全面、系统、详细地介绍了各类常见机器学习算法的原理，GOODFELLOW等[3]在专著中详细地介绍了机器学习的数学基础、使用经验以及现阶段的理论及发展。机器学习任务目标可以分为多类，包括分类和回归（有监督学习）、聚类（无监督学习）、时序分析、概率图模型、强化学习等，已在一些典型场景中大量应用。

机器学习在非互联网领域的应用通常被称为“AI+”，它可以代替研究人员完成重复的、经验性的工作，也可以用来提取人工难以处理的复杂信息，从而对数据进行更深入地挖掘。由于机器学习技术的应用产生了巨大的效益，目前，科研工作者正致力于改良机器学习算法以适应实际应用场景。

要使用机器学习解决实际问题，首先要对问题进行描述。机器学习问题可以描述为：通过已知数据来预测未知数据的属性，其中每个样本可以包含多个属性。在有监督学习的分类问题中，监督学习的训练样本包含对应的“标签”，样本标签属于两类或者多类，是离散型变量；在回归问题中，样本标签包括一个或者多个连续变量。在无监督学习中，训练样本的属性不包含标签，如聚类问题。……