学习的过程就是触类旁通的过程。
例如，中学阶段经过作大量的练习题，为的就是在高考解决问题。高考的题目通常来讲是以前确定没有遇到过的，可是这并不意味着这些题目咱们没法解决。经过对以前所作过的练习题的分析，找到解题方法，一样能够解决陌生的题目。
机器学习其实就是将这一套方式运用到机器上，利用一些已知的数据来训练机器（作练习题），让机器本身分析这些数据，并找到内在联系（学习解题方法），从而对未知的数据进行预测断定等（作高考题）。web
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及几率论、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，从新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具备智能的根本途径，其应用遍布人工智能的各个领域，它主要使用概括、综合而不是演绎。算法
监督学习(Supervised Learning)，用上述例子来解释，就是高考前所作的练习题是有标准答案的。在学习的过程当中，咱们能够经过对照答案，来分析问题找出方法，下一次在面对没有答案的问题时，每每也能够正确地解决。
对于机器学习来讲，监督学习就是训练数据既有特征(feature)又有标签(label)，经过训练，让机器能够本身找到特征和标签之间的联系，在面对只有特征没有标签的数据时，能够判断出标签。机器学习
与监督学习相对的，是非监督学习(Unsupervised Learning)。
再举高中作练习题的例子，就是所作的练习题没有标准答案，换句话说，你也不知道本身作的是否正确，没有参照，想一想就以为是一件很难的事情。
可是就算不知道答案，咱们仍是能够大体的将语文，数学，英语这些题目分开，由于这些问题内在仍是具备必定的联系。
这种问题在机器学习领域中就被称做聚类(Clustering)，相对于监督学习，无监督学习显然难度要更大，在只有特征没有标签的训练数据集中，经过数据之间的内在联系和类似性将他们分红若干类。
Google新闻按照内容结构的不一样分红财经，娱乐，体育等不一样的标签，这就是一种聚类。svg