什么是机器学习？

机器学习起源于统计学和数学，是人工智能的一个重要分支，它可以让计算机自动学习一类数据中的规律，通过机器学习可以从已知的数据中找出规律，预测未来的数据。

机器学习作为一种函数

在冰淇淋销售场景中，我们的目标是训练一个可以根据天气预测冰淇淋销售数量的模型。当天的天气测量值（温度、降雨量、风速等）是特征 (x)，每日售出的冰淇淋数量是标签 (y)。
在医疗场景中，目标是根据患者的临床测量值预测患者是否有患糖尿病的风险。患者的测量值（体重、血糖水平等）是特征 (x)，患糖尿病的可能性（例如，1 表示有风险，0 表示没有风险）是标签 (y)。
- 摘自Microsoft Learn

正如以上所说，机器学习是一种函数，输入天气(温度)，可以预测今日的冰淇淋销量、输入患者的信息，可以预测是否有患糖尿病的可能。

假设今日的温度是x_n，其中n代表的是第n个处理后的温度数据；冰淇淋的销量为y_n，其中n代表的是售出的冰淇淋个数，以下是x-y数据表格。

x	52	58	66	69	72	78
y	12	22	28	33	38	42

这是散点图：

这就可以看出规律了。在这里画一条线：

这样就可以预测每个温度大概对应的冰淇淋销量了，例如：

当温度到达75时，预测冰淇淋销量为40个

当然，数据越多时这个函数越准确，而且每种数据都不是像这样一条直线就可以找到规律的。

机器学习有很多种类，每种方法都对应着适应的数据。

监督式学习给定特征(例如上文的温度)，和标签(例如上文的冰淇淋销量)的数据，训练确定特征和标签之间的关系(温度和冰淇淋销量的规律)。

监督式学习有:

非监督式学习仅给定包含特征的数据，预测观测值和特征之间的关系。

在第二章我将会以线性回归举例，解释如何机器学习是如何训练的