什么是机器学习？
机器学习是人工智能的一个分支，涉及计算机及其计算。在机器学习中，计算系统获得原始数据，计算机根据这些数据进行计算。传统计算机系统和机器学习之间的区别在于，在传统系统中，程序员没有构建能够区分事物的高级代码。因此，它无法做出完美或精细的计算。但在机器学习模型中，它是一个高度复杂的系统，可以集成高级数据，进行相当于人类智能水平的极限计算，因此能够做出出色的预测。它可以大致分为两个具体类别：有监督的和无监督的。还有另一类人工智能，称为半监督。
有监督的机器学习
通过这个公式，计算机可以通过示例来学习该做什么以及如何做。在这里，计算机获得大量带标签和结构化的数据。该系统的缺点是计算机需要大量数据才能成为特定任务的专家。作为输入的数据通过各种算法进入系统。一旦将计算系统暴露给这些数据并掌握特定任务的过程完成，您就可以提供新数据以获得新的、完善的响应。此类机器学习中使用的各种类型的算法包括逻辑回归、K近邻、多项式回归、朴素贝叶斯、随机森林等。
无监督机器学习
对于这种类型，用作输入的数据没有标签或结构化。这意味着之前没有人看过这些数据。这也意味着输入永远无法驱动算法。数据仅馈送到机器学习系统并用于训练模型。它试图找到特定的模式并给出所需的答案。唯一的区别是工作是由机器完成的，而不是由人完成的。这种无监督机器学习中使用的一些算法包括奇异值分解、层次聚类、偏最小二乘、主成分分析、模糊均值等。
强化学习
机器学习强化学习与传统系统非常相似。在这里，引擎使用算法通过称为试错的方法来查找数据。之后，系统自行决定哪种方法会带来最有效、最高效的结果。机器学习主要涉及三个要素：主体、环境和动作。代理是学习者或做出决定的人。环境是智能体与之交互的氛围，而动作被认为是智能体所做的工作。当代理选择最有效的方法并据此继续进行时，就会发生这种情况。
