5.1.1 机器学习的定义
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
机器学习是什么？是否有统一或标准定义？目前好像没有，即使是研究机器学习的专业人士在定义这个问题时也会有不同认知，也没有一个被广泛认可的定义。在维基百科上对机器学习给出了如下定义：
①机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
②机器学习是对能通过经验自动改进的计算机算法的研究。
③机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。
美国卡内基梅隆大学机器学习研究领域的著名教授汤姆·米切尔（Tom Michell）对机器学习的定义是：“A computer program is said to learn from experience （E）with respect to some class of tasks（T）and performance（P）measure ， if its performance at tasks in T， as measured by P， improves with experience E。”翻译过来就是：“如果一个计算机程序在使用既有的经验（E）执行某类任务（T）的过程中被认为是‘具备学习能力的’，那么，它一定需要展现出利用现有的经验（E），不断改善其完成既定任务（T）的性能（P）的特质”。(https://www.daowen.com)
由此可以看出机器学习强调三个关键词：算法、经验、性能。机器学习处理流程如图5⁃1所示。
图5⁃1 机器学习处理流程
图5⁃1表明，机器学习是使数据通过算法构建出模型，然后对模型性能进行评估，评估后的指标，如果达到要求就用这个模型测试新数据，如果达不到要求就要调整算法重新建立模型，再次进行评估，如此循环往复，最终获得满意结果。
对于机器是否能超过人这一问题，有很多持否定意见的人，他们的一个主要论据是：机器是人造的，其性能和动作完全是由设计者规定的，无论如何其能力也不会超过设计者本人。这种意见对不具备学习能力的机器来说的确是对的，可是对具备学习能力的机器就值得考虑了，因为这种机器的能力在应用中不断地提高，过一段时间之后，设计者本人也不知它的能力到了何种水平。
