1.1　机器学习的概念

机器学习是人工智能的一个分支科学，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科，是一门多领域交叉学科。通俗地讲，机器学习就是利用计算机来对人的学习行为进行实现，从而获得关键认知或预测未来。要理解机器学习，需要先了解传统的人工智能方法，它近似于形式逻辑中的三段论推理（包含大前提、小前提和结论三部分）。我们举个简单的物理学例子来说明。在物理学中，欧姆定律是指在同一电路中，通过某段导体的电流跟这段导体两端的电压成正比，跟这段导体的电阻成反比。简单地用公式来表达就是： I = U / R 。其中， I 表示电流， U 表示电压， R 表示电阻。如果我们已经知道了欧姆定律这个规则（大前提），又知道电压和电阻分别为3V和3Ω（小前提），那么我们就可以获得电流 I = 3V/3Ω = 1A的结论（V、Ω、A分别为电压、电阻和电流的单位，中文称为伏特、欧姆和安培）。这个过程可以用图1—1表示。

我们当前所讨论的机器学习，则是从数据出发去获知规则的过程。在获得规则之后，再通过这个规则对新的数据进行预测。还以欧姆定律为例，但是这次我们并不知道欧姆定律，我们只知道在同一电阻下，施加不同的电压，会产生不同的电流，如 U =5V， I =5A； U =4V， I =4A； U =3V， I =3A。我们希望知道，当 U =6V的时候， I 应该是多少。这就是一个典型的机器学习问题。这个过程可以通过图1—2进行表示。总的来说，机器学习就是利用数据训练获得规则，然后再把规则应用到新场景（新数据）的过程。