机器学习 - 什么是机器学习?

考虑下图，该图显示了房价与其面积（以平方英尺为单位）的关系图。

在 XY 图上绘制各种数据点后，我们绘制一条最佳拟合线来对给定大小的任何其他房屋进行预测。 您将已知数据提供给机器并要求它找到最佳拟合线。 一旦机器找到最佳拟合线，您将通过输入已知的房屋大小（即上述曲线中的 Y 值）来测试其适用性。 机器现在将返回估计的 X 值，即房屋的预期价格。 可以推断该图以找出 3000 平方英尺或更大的房屋的价格。 这在统计学中称为回归。 特别地，这种回归被称为线性回归，因为 X 和 Y 数据点是线性的。

在很多情况下，X & Y 个数据点之间的关系可能不是一条直线，而可能是一条带有复杂方程的曲线。 您现在的任务是找出可以外推以预测未来值的最佳拟合曲线。 下图显示了一个这样的应用图。

来源:

https://upload.wikimedia.org/wikipedia/commons/c/c9/

您将使用统计优化技术在此处找出最佳拟合曲线的方程。 这正是机器学习的意义所在。 您使用已知的优化技术来找到问题的最佳解决方案。

接下来，让我们看看机器学习的不同类别。