前期回顧：

機器學習與連續(xù)流連載系列丨使用康寧反應器集成在線光譜，通過半監(jiān)督機器學習識別化學反應式計量和動力學模型點擊進入原文查看

本期亮點

機器學習（Machine Learning, ML）作為人工智能（Artificial Intelligence, AI）的一個分支，正在逐漸改變我們與技術的互動方式。本文將探討機器學習的核心概念、工作流程、類型、優(yōu)勢與局限。

在回答機器學習前，先回到人類的學習，什么叫做學習或者學會了？簡而言之就是發(fā)現(xiàn)規(guī)律，能根據已有情況，尋找規(guī)律，解決新問題。

“過擬合”，打個比方就像某學生做大量題，他死記硬背，只會做已經做過的相同的題，遇到相同知識基礎的新題（稍微變化一下）就不會解答，也就是“泛化能力”差。

比如某某學生在模擬考試中，考試成績好，到了正式考試時，成績不理想，很多家長認為沒有考試運。當然這個有很多原因，比如考試時緊張，身體出現(xiàn)不適等，但有個原因就是其“泛化能力”差，模擬考是他做過的題，沒有從中“泛化”出規(guī)律去解答新題。

機器學習類似人類學習，根據大量題型總結規(guī)律，根據規(guī)律去解決新問題。

人工智能先驅Arthur Samuel，在1950年代將“機器學習”定義為，“使計算機能夠在沒有明確編程的情況下進行學習的研究領域”。

Nvidia認為“機器學習最基本的是使用算法解析數(shù)據，從中學習，然后對世界上的事物做出決定或預測。”

傳統(tǒng)編程需要寫好嚴格的詳細的程序指令，根據輸入數(shù)據得到輸出結果。其難度在于程序的編寫，有時不能覆蓋某些新情況。比如做饅頭，寫好買1kg白面粉，和面加入X kg水，捏好形狀，放入蒸籠蒸X分鐘。如果遇到了玉米粉，它就不會做玉米饅頭了。

機器學習是通過算法和大量的做饅頭的書籍介紹等，總結出通用規(guī)律，這樣遇到玉米粉也能輸出相應做玉米饅頭的步驟。所以機器學習難在解析數(shù)據結構，發(fā)現(xiàn)規(guī)律。

優(yōu)勢

局限