首先是機(jī)器學(xué)習(xí)是什么，機(jī)器學(xué)習(xí)與人工智能，深度學(xué)習(xí)的關(guān)系。

機(jī)器學(xué)習(xí)的人工智能實(shí)現(xiàn)的方式之一，而深度學(xué)習(xí)又是機(jī)器學(xué)習(xí)的分支。這便是三者的關(guān)系。

其次，機(jī)器學(xué)習(xí)是什么？機(jī)器學(xué)習(xí)仿照人類(lèi)的思考方式，人類(lèi)的思考往往依賴于經(jīng)驗(yàn)，人們從經(jīng)驗(yàn)中學(xué)習(xí)預(yù)判事情的結(jié)果，并從結(jié)果中豐富我們的經(jīng)驗(yàn)。機(jī)器學(xué)習(xí)同理，我們會(huì)依靠一個(gè)數(shù)據(jù)模型來(lái)充當(dāng)機(jī)器的經(jīng)驗(yàn)，所以我們學(xué)習(xí)機(jī)器學(xué)習(xí)首先要認(rèn)識(shí)到如何的得到這么一個(gè)經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

機(jī)器學(xué)習(xí)的步驟大概是獲取數(shù)據(jù)，再將獲取的數(shù)據(jù)進(jìn)行基本處理，再對(duì)其進(jìn)行特征工程處理進(jìn)一步處理，后將處理完畢的數(shù)據(jù)填充到機(jī)器學(xué)習(xí)中進(jìn)行整合模型得到我們想要的模型，再對(duì)模型進(jìn)行一個(gè)判斷，如果模型符合我們的要求，那么可以投放使用，如果模型并未達(dá)到我們的預(yù)期效果，我們可以再重復(fù)上述步驟，直到訓(xùn)練出我們想要的模型。

其中機(jī)器學(xué)習(xí)主要有三大學(xué)習(xí)方式：監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)；

其中，監(jiān)督學(xué)習(xí)的數(shù)據(jù)有特征值和目標(biāo)值，而根據(jù)目標(biāo)值的連續(xù)或離散分為線性和分類(lèi)兩種模型；

無(wú)監(jiān)督學(xué)習(xí)的數(shù)據(jù)則沒(méi)有目標(biāo)值；

半監(jiān)督學(xué)習(xí)的數(shù)據(jù)有部分有目標(biāo)值，一部分則沒(méi)有目標(biāo)值；進(jìn)行訓(xùn)練學(xué)習(xí)時(shí)一部分?jǐn)?shù)據(jù)交由第三方進(jìn)行數(shù)據(jù)處理，處理為帶有特征值和目標(biāo)值進(jìn)行投喂，另一部分?jǐn)?shù)據(jù)我們則直接投喂給模型。