1、定义
-
“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”。
-
“机器学习是对能通过经验自动改进的计算机算法的研究”。
-
“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。”
-
一种经常引用的英文定义是：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。
关键词：算法，经验，性能。
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。
2、人工智能，机器学习，深度学习的关系
人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要手段，深度学习则是机器学习的一个分支。在很多人工智能问题上，深度学习的方法突破了传统机器学习方法的瓶颈，推动了人工智能领域的快速发展。
3、机器学习的任务
分类和回归，都是先根据标签值或目标值建立模型或规则，然后利用这些带有目标值的数据形成的模型或规则，对新数据进行识别或预测。这两种方法都属于监督学习。与监督学习相对是无监督学习，无监督学习不指定目标值或预先无法知道目标值，它可以将把相似或相近的数据划分到相同的组里，聚类就是解决这一类问题的方法之一。除了监督学习、无监督学习这两种最常见的方法外，还有半监督学习、强化学习等方法。
选择步骤：
4、如何选择机器学习算法
简单介绍一下机器常用方法，重点介绍算法核心思想、优缺点及模式图示等方面的内容。
5、如果出现过拟合或欠拟合，有哪些解决方法呢？
1、对于欠拟合，一般可考虑提高数据质量、规范特征、增加新特征或训练数据量等方法；采用交叉验证及网格搜索参数等方法调优超参数（不是通过算法本身学习出来的参数，如迭代步数、树高度、步长等）；采用其它算法如集成算法等等。
2、对于过拟合问题，可以考虑引入正则化，正则化指修改算法，使其降低泛化误差（而非降低训练误差）；对于维数较大的情况，采用PCA降维也是选项之一。
在模型训练过程中，泛化误差不会随着模型复杂度趋于0，相反它一般呈现U型曲线，但训练误差