2、机器学习全景：基础、应用与类型

机器学习全景：基础、应用与类型

1. 机器学习概述

当大多数人听到“机器学习”时，可能会联想到机器人，如可靠的管家或致命的终结者。但机器学习并非未来幻想，它早已存在。早在几十年前，它就已应用于一些专业领域，如光学字符识别（OCR）。20世纪90年代，首个真正成为主流并改善数亿人生活的机器学习应用——垃圾邮件过滤器问世。如今，数百种机器学习应用默默驱动着我们日常使用的众多产品和功能，从更好的推荐系统到语音搜索。

那么，机器学习的边界在哪里？机器学习到底意味着什么？如果下载一份维基百科，计算机是否真的学到了东西，变得更聪明了呢？接下来，我们将探讨这些问题。

1.1 什么是机器学习

机器学习是一门让计算机从数据中学习的科学（也是艺术）。以下是几个不同角度的定义：
- Arthur Samuel（1959年）：机器学习是赋予计算机无需明确编程即可学习能力的研究领域。
- Tom Mitchell（1997年）：若一个计算机程序在任务T上，依据性能度量P，其性能随经验E的增加而提升，则称该程序从经验E中学习。

以垃圾邮件过滤器为例，它是一个机器学习程序。给定垃圾邮件示例（如用户标记的）和正常邮件示例，它能学习标记垃圾邮件。系统用于学习的示例称为训练集，每个训练示例称为训练实例（或样本）。在这个例子中，任务T是标记新邮件是否为垃圾邮件，经验E是训练数据，性能度量P（如正确分类邮件的比例，即准确率）需要被定义，准确率常用于分类任务。而仅仅下载一份维基百科，计算机虽拥有更多数据，但在任何任务上的表现并未提升，所以这不属于机器学习。

1.2 为何使用机器学习

1.2.1 传统编程实现垃圾邮