Machine learning

機器學習是計算機科學，讓計算機系統“學習”（即，逐步提高對特定任務的性能）的數據，而沒有明確地編程的能力的領域。

該名機器學習是由亞瑟·塞繆爾在1959年創造的。從模式識別和人工智能計算學習理論的研究發展而來，機器學習探索的研究和可以借鑒，並就數據預測算法建設 - 這種算法克服使數據驅動的預測或決策嚴格遵循靜態程序指令，2通過建立從樣品輸入的模型。機器學習被用在各種計算任務，其中設計和編程性能良好明確的算法是困難的或不可行;示例的應用包括電子郵件過濾，向數據破壞，光學字符識別（OCR）的工作網絡入侵者或惡意的內部的檢測，學習排名，和計算機視覺。

機器學習是密切相關的（常與重疊）計算的統計數據，這也側重於預測使得通過計算機的使用。它具有數學優化，它提供了方法，理論和應用領域的領域的緊密聯繫。機器學習有時與數據挖掘，後者子更側重於探索性數據分析，被稱為無監督學習混為一談。七，機器學習，也可以不受監督，並用來學習和建立各種實體，然後用來尋找有意義的異常行為的基線配置文件。

內的數據分析領域，機器學習是用於設計複雜的模型和算法，借給自己預測的方法;在商業用途，這就是所謂的預測分析。這些分析模型使研究人員，數據科學家，工程師和分析師以“生產可靠，可重複的決策和成果”，並通過從數據歷史關係和趨勢學習發現“隱藏的見解”。

有效的機器學習是困難的，因為找到的模式是很難，往往不提供結果足夠的訓練數據，機器學習方案往往不能提供。