機器學習

機器學習，是使用計算方法從數據中“學習”信息，且不依賴于預定方程模型，當用于學習的樣本數量增加時，算法可以自適應提高性能，它是人工智能的核心，是教計算機模擬或執行人類的行為。

工作原理

監督式學習旨在構建能夠根據存在不確定性的證據做出預測的模型。監督式學習算法接受已知的輸入數據集和對數據的已知響應（輸出），然后訓練模型，讓模型能夠為新輸入的數據的響應產生合理的預測。

無監督學習可發現數據中隱藏的模式或內在結構。這種技術可根據包含未標記響應的輸入數據的數據集執行推理。

聚類是一種最常見的無監督學習技術。這種技術可通過探索性數據分析發現數據中隱藏的模式或分組。聚類的應用包括基因序列分析、市場調查和對象識別。

監督式學習與無監督學習

機器學習的應用

機器學習已經有非常廣泛的應用，如數據挖掘、計算機視覺、語音識別、自然語言處理、預見性維護等。

機器學習算法可以從數據中發現規律，幫助人們更好地制定決策和做出預測。目前，醫療診斷、股票交易、能量負荷預測、電子商務及更多行業每天都在使用這些算法制定關鍵決策。