人工智能是当前社会的显学之一，但如果没有了机器学习和算法的支撑，人工智能就无从谈起。到底什么是机器学习？机器学习跟统计学又有何关系？在1月11日的数据侠线上实验室中，DT君邀请到美国知名大数据教育机构“纽约数据科学学院”首席数据科学家张尚轩（Vivian Zhang），她通过丰富的案例，深入浅出地为我们介绍了机器学习的基础背景、算法和应用。
今天大只500总代的分享主题是“从0到1：关于机器，学习知道这些就够了”。因此我主要会讲一些相关的背景知识和案例。
关于机器学习，很多人常常会问到一个问题：机器学习和统计学是什么关系。很多朋友在大学、中学的专业可能是统计学，而也有一些计算机系的朋友也会学到关于机器学习的知识。机器学习和计算机学科、统计学之间的关系，我会通过一些案例来说明。
很多人都用过iPhone手机的Siri助手功能，这就是一个典型的机器学习的例子。当你打开Siri的时候，你可以与它语音沟通：比如你可以让它帮你跟朋友约个会议、自动查询明天拉斯维加斯的天气怎么样等等。
Siri的原理并不复杂，它首先是试着明白你的语音，从中获取到你的具体指令，接着通过你自己手机本身存储的信息和互联网的信息，来找到你想知道的答案，最后它会将它整理出来的结果和答案直接反馈给你。
上图可以看出，在整个流程（听懂你的语音-识别你的指令-找到你想要的结果-组织结果回答你的问题）中，Siri反复用到了各种各样的机器学习的算法。
类似的例子还有很多，在当今社会，机器学习已经存在于我们生活的方方面面。比如语音识别、无人驾驶汽车、自动推荐系统、信用卡的防欺诈系统等等，这些领域都有机器学习的影子。机器学习知名学者吴恩达（Andrew Ng）曾经说过：机器学习已经无处不在，你可能在一天中使用过很多次，却不知道已经使用过它。
在大只500彩票平台来说，对于机器学习的一个比较流行的定义是：所谓机器学习就是用算法来教机器自动地从数据中学习知识。
另一个更为被学界接受的定义来自T.M.Mitchell：所谓机器学习就是一个计算机程序，它可以通过你的经验来提高你对处理某些任务的表现。
它包括三个方面的变量，一个是经验值（E）、任务值（T）和你的表现值（P）。当你的算法能够在特殊的任务值T中，通过经验的衡量，来提升你的表现。这样的算法就被认为是好的机器学习的算法。
这样的定义看起来绕口，却可以帮我们理清机器学习的目标、手段等等。
一般来说，机器学习被认为是计算机专业的一个部分，是人工智能的一个小分支。它和计算机科学、统计学、数学紧密关联，当然，很多人也会将机器学习形容为数据挖掘、数据分析和预测模型。因此，它是有很多名字的。
