机器学习是指什么？分类有哪些？应用场景一览

1、机器学习是?

机器学习(Machine Learning)，机器学习融合了多种学科，集各种学科优势于一体，其主要研究如何通过计算机模仿人类的认知能力，从环境中采集新的信息，并更新已学习的知识体系使之能够不断提高对新事物的认知能力。机器学习所面对的关键问题是：如何让计算机程序通过不断积累知识和经验自主的提升信息处理能力。机器学习的出现使人工智能在各个研究领域得到了关注和普及。

机器学习的原理

在人工智能领域中，机器学习的发展起步比较晚，总体来说，机器学习发展至今，主要经历了5大发展阶段：

(1)1949-1968年：机器学习基础理论和模型开始出现，行业进入萌芽期;

(2)1969-1979年：机器学习在理论研究方面遇到瓶颈，发展步伐趋于滞缓;

(3)1980-1989年：神经网络领域的理论研究从单—概念学习逐渐拓展至多个概念学习;

(4)1990-2005年：Boosting算法、支持向量机模型的提出有力推动机器学习进一步发展;

(5)2006年至今：深度学习的出现显著加快机器学习的发展步伐。

机器学习发展历程

2、机器学习分类

按学习形式机器学习大致可以分为3类：

(1)监督学习( supervised learning)：监督学习就是从给定的训练数据集中学习产生一种输入与输出的映射关系，当新的数据到来时，可以根据这个映射关系预测结果。监督学习的训练集包括输入和输出两部分，也可以说是特征和目标，训练集中的目标是人为标注的。监督学习在分类和预测方面得到广泛应用。最常用的算法有回归分析、神经网络和决策树等。

(2)无监督学习( unsupervised learning)：无监督学习与监督学习的不同处在于，训练集没有人为标注的结果，而是利用K均值(K-means)等算法进行聚类，建立簇的中心点，以此达到分类的目的。常见的无监督学习算法主要采用聚类的方法。

(3)强化学习：强化学习研究的是个体怎样基于环境而行动，以此来取得最大化的预期奖励。强化学习是一个动态的过程，个体通过和环境进行交互，并通过环境反馈的奖惩来决定下一步行动，学习最优策略。AlphaGo运用了深度强化学习技术。

3、机器学习应用场景

(1)国内外各大金融公司积极探索机器学习在金融中的应用

就当前来说越来越多的金融公司开始尝试将机器学习算法融入金融市场，并且已经在国内外各大金融公司积极探索机器学习在金融中的应用。

(2)“大数据+机器学习”的应用案例

(3)机器学习在产业中的应用

参考资料：《百度集团~SW-移动生态打造全链路营销平台AI生态商业化加速带来广阔空间-210704(43页).pdf》