这是对外行介绍什么机器学习。将尝试回答您的“它是什么？”、“它是如何工作的？”和“为什么要使用它？” 以最简单和最短的方式。
对于大多数人来说，当他们听到机器学习时，脑海中浮现的第一印象是，首先是许多复杂的数学问题，其次是大量代码，然后他们就当场放弃这个话题。
它是什么？
为了理解什么是Machine Learning，让我们花点时间来理解什么是传统编程Traditional Programming。
传统编程是指任何使用输入数据并在计算机上运行以产生输出的手动创建的程序。
意思是，在传统编程中，我们编写了一些指令/规则（代码），这些指令/规则（代码）从用户那里获取特定输入，对其进行处理并给出特定输出。这个过程可以这样表示......
现在，如果将传统编程与机器学习进行比较，它将看起来像这样......
换句话说，我们为我们的机器提供一些输入和样本输出，然后你让机器自己找出规则。说得通！？
现在给你一个机器学习的定义，它会是这样的......
Arthur Samuel（1959）：“机器学习是一个研究领域，它使计算机能够在没有明确编程的情况下学习。”
我希望这个定义现在有意义。但是机器如何自己计算规则！？让我们把它作为下一次的话题。现在，将其视为魔术
它是如何工作的？
现在我们知道什么是机器学习，以及它与传统编程的区别，让我们看看它是如何工作的！
机器学习的核心原则是处理数字，并在这些数字中找到不同的模式。为了找到这些模式，使用了各种模式machine learning algorithms。这些算法的唯一工作是从给定的输入集中找到潜在的模式，并在可接受的范围内预测输出。
线性回归、逻辑回归、决策树等是一些机器学习算法的例子。为您的机器学习模型选择正确的算法取决于您要解决的问题类型。
简而言之，机器学习适用于各种算法。这些算法有助于找到给定数据中的潜在模式。这些模式有助于预测输出。您选择的算法取决于您要解决的问题类型。
为什么要使用它？
在这里有一点要明白的是，机器学习是不是必需品，而是一种特征。传统编程也被称为software 1.0，而机器学习被称为software 2.0. 软件 1.0 可以在没有软件 2.0 的情况下存在。这正是谷歌机器学习手册中所写：
规则 1：不要害怕在没有机器学习的情况下推出产品
在构建任何软件产品时，首要任务是考虑软件的功能。一旦软件启动并运行，就可以应用机器学习来使该软件更智能。在不需要明确告知该做什么的意义上更聪明。帮助它自己解决问题。
机器学习的一些应用是自动驾驶汽车、图像和语音识别、销售预测等。现在让我们看看自动驾驶汽车，并尝试了解机器学习如何在这个过程中发挥作用。
假设您想制造一辆自动驾驶汽车，那么您在业务中的首要任务就是确保您的系统能够控制汽车的所有部件和机械装置。它能够在需要时加速和减速、转弯、打开闪光灯等。现在，要使这一切成为可能，您将不得不编写数十万行代码，包括所有交通规则以及诸如是否有人或躺在路上的物体停下车，转弯时减速，跟随交通信号，保持车道等等1000多个，但你可能会错过其中的一些。现在，如果您要设计一辆在您家的车道上行驶的汽车，这将是理想的选择。但是如果你想让它在你所在的地方或你的城市驱动它，你将不得不编写一个更大的程序，
这就是机器学习的作用。现在我们是否使用我们的机器学习模型为我们编码？还是我们教它如何适应周围的环境并采取相应的行动？
显然是第二个选项，如果我们创建一个模型并为其提供大量数据，例如一个人在路上行走时该做什么，如何跟随停车标志，信号等。我们不需要硬编码所有内容. 它将接受输入，从中学习并自我更新。这消除了手动定义所有规则的需要，而是让机器完成它的工作，剩下的就是监督和分析结果。谁不喜欢监督别人