什么是机器学习？基本方式有哪些？

1.什么是机器学习

机器学习就是让机器像人类一样可以通过学习来改善自身功能的一种技术，也就是让系统在重复性的工作中不断提高自身能力，从而使得系统在下一次执行相同的任务的时候，会比现在做得更好或者效率更高。机器学习根本不接受人类所输入的指令，而是会接受输入的数据。也就是说，机器学习技术不是让计算机按照人类给出的既定的指令串工作，而是让计算机自己分析数据，从数据中提炼出规律，并且按照该规律去执行相应操作。

2.机器学习的基本方式

(1)回归算法

在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机器学习中。二.回归算法是后面若干强大算法的基石，如果不理解回归算法，无法学习那些强大的算法。回归算法有两个重要的子类：即线性回归和逻辑回归。

(2)神经网络

神经网络(也称之为人工神经网络，ANN)算法是80年代机器学习界非常流行的算法，不过在90年代中途衰落。现在，携着“深度学习”之势，神经网络重装归来，重新成为最强大的机器学习算法之一。

(3)SVM(支持向量机)

支持向量机算法是诞生于统计学习界，同时在机器学习界大放光彩的经典算法。支持向量机算法从某种意义上来说是逻辑回归算法的强化：通过给予逻辑回归算法更严格的优化条件，支持向量机算法可以获得比逻辑回归更好的分类界线。但是如果没有某类函数技术，则支持向量机算法最多算是一种更好的线性分类技术。

(4)降维算法

降维算法也是一种无监督学习算法，其主要特征是将数据从高维降低到低维层次。在这里，维度其实表示的是数据的特征量的大小，例如，房价包含房子的长、宽、面积与房间数量四个特征，也就是维度为4维的数据。可以看出来，长与宽事实上与面积表示的信息重叠了，例如面积=长 × 宽。通过降维算法我们就可以去除冗余信息，将特征减少为面积与房间数量两个特征，即从4维的数据压缩到2维。于是我们将数据从高维降低到低维，不仅利于表示，同时在计算上也能带来加速。

(5)推荐算法

推荐算法是目前业界非常火的一种算法，在电商界，如亚马逊，天猫，京东，淘宝等得到了广泛的运用。推荐算法的主要特征就是可以自动向用户推荐他们最感兴趣的东西，从而增加购买率，提升效益。推荐算法有两个主要的类别：

(6)其他

除了以上算法之外，机器学习界还有其他的如高斯判别，朴素贝叶斯，决策树等等算法。但是上面列的五个算法是使用最多，影响最广，种类最全的典型。机器学习界的一个特色就是算法众多，发展百花齐放。

以上就是有关于机器学习的定义及基本方式的全面梳理，如果还想了解更多机器学习的相关内容，敬请关注三个皮匠报告网站。

推荐阅读

scara机器人是什么?有什么优点?

水下机器人是什么?水利工程中水下机器人应用分析

《人形机器人专题报告：人形机器人产业链梳理-220730(35页).pdf》

《人工智能赋能服务机器人.pdf》