1. 什么是机器学习？

长期以来众说纷纭，Langley（1996）定义机器学习为：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。Mitchell（1997）在《Machine Learning》中写道：“机器学习是计算机算法的研究，并通过经验提高其自动进行改善”。Alpaydin（2004）提出自己对机器学习的定义：“机器学习是用数据或以往的经验，来优化计算机程序的性能标准”。Drew Conway在《Machine Learning for Hackers》书中定义：“机器学习就是一套工具和方法，凭借这些工具和方法我们可以从观测到的样本中提炼模式、归纳知识。换句话说，在特定情境下，我们可以记录研究对象的行为，从中学习，然后对其行为建模，该模型反过来促进我们对该情境有更深入的理解”。麦好在《机器学习实践指南：案例应用解析》中定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，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，它是人工智能的核心，是使计算机具有智能的根本途径。机器学习的研究方法通常是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统”。

2. 机器学习的发展

真正的机器学习研究起步较晚，它的发展过程大体上可分为以下4个时期：
第一阶段是在20世纪50年代中叶到20世纪60年代中叶，属于热烈时期。
第二阶段是在20世纪60年代中叶至20世纪70年代中叶，被称为机器学习冷静期。
第三阶段是从20世纪70年代中叶至20世纪80年代中叶，称为机器学习复兴期。
最新的阶段起始于1986年。当时，机器学习综合应用了心理学、生物学和神经生理学以及数学、自动化和计算机科学，并形成了机器学习理论基础，同时还结合各种学习方法取长补短，形成集成学习系统。

3. 机器学习比较活跃的领域

1）数据分析和数据挖掘
数据分析与挖掘技术是机器学习算法和数据存取技术的结合，利用机器学习提供的统计分析、知识发现等手段分析海量数据，同时利用数据存取机制实现数据的高效读写。机器学习在数据分析与挖掘领域中拥有无可取代的地位，2012年Hadoop进军机器学习领域就是一个很好的例子。
2）模式识别
语音输入，OCR，手写输入，通讯监控，车牌识别，指纹识别，虹膜识别，脸像识别，小波分析
3）智慧机器，机器人
生产线机器人，人机对话，电脑博弈

4. 机器学习常用软件

1）MATLAB
2）SPSS
3）R
4）PYTHON

5. 具有代表性的算法

1）回归预测及相应的降维技术
线性回归，Logistic回归，主成分分析，因子分析，岭回归，LASSO最小回归系数分析
2）分类器
决策树，朴素贝叶斯，贝叶斯信念网绚，支持向量机，提升分类器准确率的Adaboost和随机森林算法
3）聚类算法
k-means，PCM
4）人工神经网络
模仿生物神经网络结构和功能的数学模型。