Machine learning

机器学习是计算机科学，让计算机系统“学习”（即，逐步提高对特定任务的性能）的数据，而没有明确地编程的能力的领域。

该名机器学习是由亚瑟·塞缪尔在1959年创造的。从模式识别和人工智能计算学习理论的研究发展而来，机器学习探索的研究和可以借鉴，并就数据预测算法建设 - 这种算法克服使数据驱动的预测或决策严格遵循静态程序指令，2通过建立从样品输入的模型。机器学习被用在各种计算任务，其中设计和编程性能良好明确的算法是困难的或不可行;示例的应用包括电子邮件过滤，向数据破坏，光学字符识别（OCR）的工作网络入侵者或恶意的内部的检测，学习排名，和计算机视觉。

机器学习是密切相关的（常与重叠）计算的统计数据，这也侧重于预测使得通过计算机的使用。它具有数学优化，它提供了方法，理论和应用领域的领域的紧密联系。机器学习有时与数据挖掘，后者子更侧重于探索性数据分析，被称为无监督学习混为一谈。七，机器学习，也可以不受监督，并用来学习和建立各种实体，然后用来寻找有意义的异常行为的基线配置文件。

内的数据分析领域，机器学习是用于设计复杂的模型和算法，借给自己预测的方法;在商业用途，这就是所谓的预测分析。这些分析模型使研究人员，数据科学家，工程师和分析师以“生产可靠，可重复的决策和成果”，并通过从数据历史关系和趋势学习发现“隐藏的见解”。

有效的机器学习是困难的，因为找到的模式是很难，往往不提供结果足够的训练数据，机器学习方案往往不能提供。