隨著互聯網的高速發展，被收集并應用于分析的數據量呈現出爆發式增長，面對如此量級的數據，以及常見的實時利用該數據的需求，僅依靠人工處理難免力不從心，這就催生了所謂的大數據和機器學習系統。

機器學習是一門多領域的交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科，專門研究計算機如何模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

通俗地講，傳統計算機工作時需要接收指令，并按照指令逐步執行，最終得到計算結果；機器學習是通過某種算法，將歷史數據進行訓練得出某種模型，當有新的數據提供時，可以使用訓練產生的模型對未來進行預測。機器學習是一種能夠賦予機器進行自主學習，不依靠人工進行自主判斷的技術，它和人類對歷史經驗歸納的過程有著相似之處。

機器學習是一門能夠讓編程計算機從數據中學習的計算機科學（和藝術）。機器學習已經不僅僅只是一個未來幻想了，它已經存在了。事實上，在某些專門領域的應用中，例如光學字符識別（OCR），它甚至已經存在了幾十年。

舉例來說，垃圾郵件過濾器就是一個機器學習的程序，它通過垃圾郵件（比如用戶手動標記的垃圾郵件）以及常規郵件（非垃圾郵件）的示例，來學習標記垃圾郵件。系統用來學習的這些示例，我們稱之為訓練集。每一個訓練示例稱為訓練實例或者是訓練樣本。

本文整合自：語言中文網、傳智播客

審核編輯：符乾江