机器学习，到底是让机器（电脑）学习什么？今天尝试用最通俗的方式来解释一下。
一、人类学习的过程
人类学习一项能力的过程，以买西瓜为例，由于不能切开西瓜来看，所以我们通常通过瓜皮的颜色、瓜蒂的曲直、拍瓜的声音等因素（参数）来选择西瓜，下面例举了部分西瓜判断的情形：
|----|----|-----|-----|
| 瓜皮 | 瓜蒂 | 拍击声 | 生/熟 |
| 浅 | 直 | 清脆 | 生 |
| 浅 | 曲 | 沉闷 | 熟 |
| 深 | 曲 | 沉闷 | 熟 |
当买过几次西瓜之后，人们通常就能够总结出买西瓜的经验了：瓜皮颜色深、瓜蒂弯曲、拍击声沉闷的西瓜，通常是熟瓜的概率比较大。
选择西瓜的过程，我们可以看作是一个函数输入输出的过程：
f（瓜皮：浅，瓜蒂：直，声音：脆）= 生瓜
f（瓜皮：浅，瓜蒂：曲，声音：闷）= 熟瓜
f（瓜皮：深，瓜蒂：曲，声音：闷）= 熟瓜
这个判断西瓜生熟的函数，当输入不同的参数时，得出的结论不一样。
二、机器学习的过程
我们来改造一下上面的函数，如果用来分别代表瓜皮、瓜蒂和拍击声音，
表示
的参数，例如
表示
（瓜皮）为浅色，
表示
为深色，那么上面的函数可以表示为：
有了这个函数表示，我们可以让机器来学习判断西瓜的过程了：这些参数，具体该怎么选择，我们不告诉机器，但是我们可以根据以往的经验，告诉机器其中一些组合的结果，例如浅、直、脆=生瓜，深、曲、闷=熟瓜，让机器自己根据部分的结果，去总结这个函数中
这几个参数的取值。这个过程就是机器学习的过程。
西瓜生熟的例子，判断的因素（参数）不多，判断的结果也只有两种，只是一个简单的例子。你可能会好奇，机器学习这么简单，对于我们来说有什么用？
三、机器学习的一个复杂例子
下面我们来换一个复杂的例子：通过抽血化验来判断一个人是否生病。
通常的抽血化验，检查的指标项有30-50项甚至更多，我们以50项指标的化验为例，我们用来表示这50项指标，假设每一项指标的结果分为合格（0）、不合格（1）两类，用
表示，最终这些指标对应健康（0）与生病（1）两种结果，那么用函数来表示就是：
所有指标组合的结果一共有种情况，不考虑指标之间的相关因素，我们人类是不可能得到所有的结果的，也就是说，我们人类是不可能把所有结果都穷尽出来，然后仅凭抽血化验的结果就判断一个人是否生病的。
我们虽然没有所有化验的结果判断，但是一家医院还是存有几万份医生诊断的结果，也就是说，我们手头有部分化验指标对应的诊断结果，可以把这些结果告诉机器，让机器去寻找，当这些参数取什么值的时候，
，找到了这些参数，也就找到了病人抽血化验参数与是否生病之间的对应关系。现阶段，这种对应关系可以辅助医生诊断病情，今后，这种对应关系甚至可能直接产生诊断结果。
今天，先用两个简单的例子来解释，什么是机器学习。之后，我会尝试尽可能用通俗的语言来解释机器学习的其它内容。