这篇文章是马同学机器学习《监督式学习》课程的一篇试读，感兴趣的同学可以访问：马同学高等数学 进一步了解课程。
机器学习算是人工智能的一个分支，所以让我们从人工智能说起。
1 人工智能精确定义人工智能很难，大概就是机器获得了类似人类的智慧，甚至成为了超人：
很长的一段时间人工智能只是一个幻想，直到20世纪40年代电脑的出现，才有一批科学家开始严肃地探讨实现的可能性。经过快一个世纪的努力，逐渐取得了一些成果，比如自动驾驶：
比如两足机器人：
当然，这些离人工智能的完全体还差之甚远，需要我们继续加油接力。2 人工智能的分支刚才提到的自动驾驶要不断观察周围的环境，以及判断观察到的是障碍还是道路，这需要“机器视觉”和“机器学习”；两足机器人必须不断调整身体的平衡，这就是“自动化控制”。这些都是人工智能的分支，除此之外还有很多（下面列举的只是冰山一角）：
我们的课程会关注其中一个分支，“机器学习”。3 机器学习下面再详细解释下自动驾驶，方便我们进一步理解“机器学习”到底是什么？3.1 自动驾驶自动驾驶中需要通过“机器视觉”不断看到周围的物体：
然后通过“机器学习”来辨识出这些物体是什么。比如识别出人（person）、车（car）、交通灯(traffic light)等等：
3.2 机器学习学会辨识图片的过程是这样的，比如输入大量的车辆的图片给机器“学习”（具体怎么学，就是本课程所要探讨的），最后它就会知道这些图片代表的是车（car）：
这个过程和人类的学习过程类似，所以称为机器学习。4 训练和预测“机器学习”最重要的是“预测”，比如刚才通过大量的图片学会什么是车后，再来一张没有见过的车辆的图片，我们希望机器可以做出正确的判断：
因此“机器学习”包含两个部分，这也是我们课程最关心的两个部分：
训练：比如提供大量的汽车图片给机器“学习”，教会机器什么是车，这就是训练
预测：训练结束后，我们需要机器可以对没有见过的图片进行判断，并且要保证一定的正确率，这就是预测
5 机器学习的适用条件如果要解决的问题符合以下三条，可以考虑运用机器学习：
要解决的问题中存在某种模式
这种模式不容易直接定义
有足够的数据可以帮助我们找出该模式
下面还是借助自动驾驶的例子来解释下这三条。5.1 存在某种模式各种车之间是存在共同之处的，也就是存在某种模式的，这样才具备学习的可能性。所以在“自动驾驶”的例子中，才可以通过学习已知的图片来判断未知的图片：
5.2 模式不容易直接定义车辆之间存在的模式不容易直接定义，也就是很难清楚地定义到底什么是车。假如定义车有四个轮胎，但实际要复杂得多，比如下图中右侧有一辆红车被遮挡了一半，只能看到两个轮胎：
5.3 足够的数据很显然，有足够多的汽车照片可以帮助机器找出该模式的：
5.4 行星的运行轨道举个例子吧（课程中有更多的例子），比如行星的运行轨道适合用机器学习来预测吗？
我觉得应该是不适合的。因为：
行星的运行轨道肯定是存在某种模式的，即符合物理定律
这些物理定律是非常确定的，用定律来预测行星轨道是非常准确的
如果用过往的行星轨道数据进行机器学习，从而预测行星轨道，很有可能效果反而不好
6 小结总结下，机器学习是人工智能的一个分支。它包含两个重要步骤，先通过已有数据来训练，然后对未知数据进行预测，这和人类学习的过程类似：
当要解决的问题符合以下三条，可以考虑运用机器学习：
要解决的问题中存在某种模式
这种模式不容易直接定义
有足够的数据可以帮助我们找出该模式
看图学数学！马同学高等数学提供微积分、线性代数、概率论与数理统计、机器学习等知识讲解。深入浅出，形象生动。
