对于机器学习的几点理解

1、机器学习，我对它的理解就是，通过少量的编程，能够赋予计算机自我解决问题的能力，本质是一种预测。

2、机器学习的概念和技术发展了好些年了，这两年和深度学习一起成为技术中的佼佼者。但是机器学习不是万能的，也是比较麻烦的。

    说它不是万能的是因为，有些问题的模式，通过机器学习算法没办法解决，问题本身没有规律，没有固定的分布，你让机器如何学习。因此我们要正确的看待机器学习，理智一些。

    说它麻烦，是因为大部分的机器学习相关的工作，不是去写一些算法，而是收集数据，整理数据，清洗数据，这些前提工作。因为只有得到了较为纯正的数据之后，我们的算法才能学到有用的东西，否则学到的就是没用的。

    机器学习的优点也是比较明显的，通过机器学习算法，我们对于预测的结果，能够给与很强的可解释性。比如，再用决策树进行分类或者回归的时候，通过信息增益和信息增益率对特征进行选择。还有，一些回归的问题，通过机器学习算法，求得一组参数，使其能够拟合一条线，对待预测的问题给与一个结果。

3、机器学习，会随着数据量的增大的增大出现一个瓶颈，就是性能达到某个范围之后，不再会有提升，但是深度学习是随着数据量的增大的增大，能够表现出超过传统机器学习的性能。我们对深度学习，也要积极学习。因为它确实能够解决某些问题。

4、机器学习最难的是什么？不是数据的收集，和数据的清洗等，而是把现实中的问题，提炼出一个机器学习能够解决的问题。