导读：机器学习涉及的理论有：概率论、统计学、凸分析、逼近论。机器学习是现在在风口上。其包括一系列的具体算法，学习这些算法需要一定的数学基础（线性代数、概率论），网上有大量的资料可以参考学习；对于工程来说门槛就更低了，有许多优秀的现成框架可以使用。
机器学习涉及的理论有：概率论、统计学、凸分析、逼近论。
机器学习是现在在风口上。其包括一系列的具体算法，学习这些算法需要一定的数学基础（线性代数、概率论），网上有大量的资料可以参考学习；对于工程来说门槛就更低了，有许多优秀的现成框架可以使用。虽然我们调用一些api、调调参数就能完成很多工作，但是理解这背后的“为什么”还需要下一番功夫。
大部分机器学习算法都有超参数（必须在学习算法外手动设定）。机器学习本质上属于应用统计学，其更加强调使用计算机对复杂函数进行统计估计，而较少强调围绕这些函数证明置信区间；因此我们会探讨两种统计学的主要 *** ：频率派估计和贝叶斯推断。同时，大部分机器学习算法又可以分成监督学习和无监督学习两类。
机器学习简介：
计算机编程算法是用来解决各种实际问题的。在传统的算法中，面对一个实际问题，程序员靠个人的智慧推导出了问题准确的解决 *** ，然后通过编写程序解决问题。如果把寻找解决方案的过程比喻成寻宝，把具体解决问题的方案比作宝藏的话，那么传统的编程就是靠人的推理的推导出了宝藏的具 *** 置。
但现实中有大量的问题很难由人推测出精确的解决方案，尤其是那些涉及变量很多（高维）的问题。面对这类问题虽然难于给出一个确切的解决方案，但我们总觉得可以找到一个“大概”或者说“模糊”的解决方案（有统计规律）。
.jpg)
