3、赋予计算机从数据中学习的能力

赋予计算机从数据中学习的能力

在当今这个时代，数据无处不在。机器学习作为一门让算法理解数据的应用科学，无疑是计算机科学领域中最令人兴奋的方向之一。借助机器学习领域的自学习算法，我们能够将海量的数据转化为有价值的知识。近年来，众多强大的开源库不断涌现，使得现在成为了进入机器学习领域、学习利用强大算法发现数据模式并预测未来事件的绝佳时机。

1. 机器学习概述

在现代科技时代，我们拥有丰富的结构化和非结构化数据。机器学习在20世纪下半叶从人工智能领域发展而来，它利用自学习算法从数据中获取知识，以进行预测。与人工手动分析大量数据并推导规则、构建模型不同，机器学习提供了一种更高效的方式来捕捉数据中的知识，逐步提升预测模型的性能，并做出基于数据的决策。

机器学习不仅在计算机科学研究中日益重要，也在我们的日常生活中发挥着越来越大的作用。例如，我们受益于强大的电子邮件垃圾邮件过滤器、便捷的文本和语音识别软件、可靠的网络搜索引擎以及具有挑战性的国际象棋程序。在医疗应用方面也取得了显著进展，如深度学习模型能够以接近人类的准确率检测皮肤癌，DeepMind的研究人员利用深度学习预测3D蛋白质结构，首次超越了基于物理学的方法。

2. 三种不同类型的机器学习

机器学习主要分为三种类型：监督学习、无监督学习和强化学习。下面我们将详细介绍这三种学习类型的基本概念和应用场景。

2.1 监督学习：预测未来

监督学习的主要目标是从有标签的训练数据中学习一个模型，以便对未知或未来的数据进行预测。“监督”意味着训练数据中的输入对应着已知的期望输出信号（标签）。

一个典型的监督学习工作流程是将有标签的训练数据输入到