机器学习是近年来流行的人工智能技术的一个分支。机器学习模型和技术已经被广泛地用于许多领域，如自然语言理解、机器视觉和模式识别。
人工智能（AI）是指在编程为像人类一样思考并模拟其行为的机器中模拟人类智能。而机器学习是一种数据分析方法，即自动生成分析模型。它是人工智能的一个分支，基于系统从数据中学习的而诞生的想法和识别模式，在最少的人工干预下做出决策。这些年机器学习的技术迭代的很快，原因是GPU和TPU的发展，可以同时进行很多任务
平时听到的深度学习是机器学习的一个分支，后者是通过算法从数据中学习规律，前者是通过深层神经网络在数据中学习多层次的特征表示，可以看做是方法的具象化。下面我们来了解一下机器学习是什么
简介
机器学习，从本质上来看，就是通过分析数据，结合数据的标签（是后续要预测的东西，可以是小麦的未来价格，所示的动物类型或者其他）和特征（输入变量，是从数据中观测或处理出来的信息）建立一个分析模型，这其实就是我们平时所说的训练，通过不断测 试，建立一个好的分析模型，然后通过一个未知的测试数据集，来预测数据的标签。
一般机器学习分为监督学习，无监督学习，强化学习。
-
监督学习：目的是学习从输入到输出的映射规则，以便对新的输入做出正确的预测，简单地说就是有标准答案的学习，是研究特征和标签之间的关系，一般用于房价预测，疾病诊断；
-
无监督学习：目的是发现数据内部隐藏的结构、模式或关系，因为给模型提供的数据只有特征没有标签，相当于在给书做分类时，必须要先看书，知道书是干什么的才能去分类，这个过程需要算法自己来搞定，一般用于数据压缩和异常检测；
-
强化学习：通过试错和奖励来学习，目的是学习一套行为策略，从而能够最大化地累计得到奖励。具体是在某个环境中采取行动，环境给予奖励或惩罚作为反馈，通过不断尝试，知道做什么最有可能得到奖励，一般应用于自动驾驶，游戏AI策略