1 什么是机器学习（Machine Learning)？

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

主要的机器学习算法：

1，通过分析大量数据和标签的 监督学习
2，只通过分析大量数据的 非监督学习
3，通过分析大量数据和少量标签的 半监督学习

4，通过自己不断总结经验来实现目标的 强化学习

（规划机器的行为准则方面）将计算机丢到一个对它完全陌生的环境或者完成一项从未接触过的任务

它自己会尝试各种手段，最后让自己成功的适应这个环境或者学会完成这项任务的方法途径

所谓强化学习就是智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大，强化学习不同于连接主义学习中的监督学习，主要表现在教师信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经历进行学习。通过这种方式，RLS在行动-评价的环境中获得知识，改进行动方案以适应环境。

5，通过优胜劣汰来不断提高质量的 遗传算法

模拟熟知的进化理论，淘汰弱者，适者生存，通过淘汰机制去选择最优的设计或模型