定義

機器學習是人工智慧(AI)的一種應用，它為系統提供了自動學習和改進經驗的能力，而且不需要過於顯著的程式能力。機器學習的核心是開發模型，可以訪問數據，並使用它為自己學習。

學習的過程始於觀察，例如樣本、經驗或是指導，以便在數據中尋找模式，並基於我們提供的數據集可以在未來做出更好的決策。機器學習主要目的是讓電腦在沒有人工干預或協助的情況下自動學習，並相應地調整策略模式。

機器學習關注的問題

並非所有的問題都適合用機器學習解決，也不存在一個通用的機器學習能夠解決世界上所有的問題。因此我們必須先認識機器學習到底關注於哪些領域的問題，並且能夠提出有效的解決方案。

1. 分類問題:根據數據樣本上抽取出的特徵，判定其屬於有限類別中的哪一個。比如人臉辨識。
2. 回歸問題:根據數據樣本上抽取出的特徵，預測一個連續值的結果，例如股票走勢。
3. 聚類問題:根據數據樣本上抽取出的特徵，讓相關樣本各自聚團，例如樂曲分類、古典、搖滾或是流行音樂。

我們可以用另一種劃分方式，將機器學習區分成兩種典型的分類：

• 監督式學習 - 分類與回歸問題需要用已知結果的數據做訓練。
• 非監督式學習 - 不需要已知標籤的數據集之聚類問題。

產品

目前機器學習已經有廣泛應用的產品為

1. 計算機視覺
2. 自然語言處理
3. 網路分析
4. 推薦系統