姜霁航

（南京信息工程大学，江苏 南京 210044）

0 引言

机器学习是人工智能的一个重点研究方向，书面上的意义是指计算机利用经验来改变系统自身性能的行为能力。人类自身具有学习能力，学习行为的背后拥有着十分复杂的处理能力，这种处理能力就是机器学习理论[1]。研究机器学习的主要方向是如何利用计算机来实现模拟人类的学习能力和整理获取到的知识点，从而提高自身的能力。总之，机器学习的最终结果是为了在大数据库中获取知识。

1 大数据时代和传统时代的机器学习

业界对大数据的特点进行了系统化归纳，由“4V”组成：数据量大（volume）、种类繁多（variety）、数据价值密度低（value）、实时处理数据（velocity）。正是因为上述的四个特点，大数据时代下的机器学习才更值得研究。当前，大数据时代成为一个热门话题，所谓的“大数据”指的是数据繁多复杂、自然产生没有规律以及不够精准的数据。大数据带给机器学习的难度不仅仅表现在数据量大而导致的计算困难，还因为需要从不同的地方获取不同的数据，由于这些数据都散乱地分布在不同的地方，而且数据与数据间还会有着某些关联，可是也不能满足所有的条件，而且由于数据比较分散，我们无法将数据进行统一整理学习[2]。传统的机器在学习理论知识和推算方法的时候都需要保证数据的独立性，一旦这个条件无法满足，机器学习模型和计算能力就无法发挥用处。

大数据除了给机器学习带来计算方法上的问题之外，也会给机器学习带来机会。……