一、为什么需要机器学习？

有些任务直接编码较为复杂，我们不能处理所有的细微之处和简单编码，因此，机器学习很有必要。相反，我们向机器学习算法提供大量数据，让算法不断探索数据并构建模型来解决问题。比如：在新的杂乱照明场景内，从新的角度识别三维物体；编写一个计算信用卡交易诈骗概率的程序。

机器学习方法如下：它没有为每个特定的任务编写相应的程序，而是收集大量事例，为给定输入指定正确输出。算法利用这些事例产生程序。该程序与手写程序不同，可能包含数百万的数据量，也适用于新事例以及训练过的数据。若数据改变，程序在新数据上训练且被更新。大量的计算比支付手写程序要便宜的多。

机器学习的应用如下：

1、模式识别：识别实际场景的面部或表情、语言识别。

2、识别异常：信用卡交易顺序异常，核电厂传感器读数模式异常。

3、预测：未来股价或货币汇率，个人观影喜好。

人工智能，机器学习和深度学习之间，主要有什么差异？
从线性模型到神经网络，机器学习的入门算法
机器学习已经被广泛应用，但是入行机器学习主要难在哪里？

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站