机器学习

英文：Machine Learning　分类：foundation

基本释义

让计算机从数据中自动学习规律、无需显式编程即可做出预测或决策的学科。核心思想是从大量样本中归纳模式并泛化到未见数据，是人工智能的主流实现路径，深度学习是其中最成功的一个分支。

技术要点

标准流程包括数据采集与清洗、特征工程（或端到端表示学习）、模型选择、训练与评估、部署与监控。按学习范式分为监督学习、无监督学习、强化学习与半监督/自监督学习；评估指标（准确率、F1、AUC 等）保证模型在训练分布之外依然可靠。

发展脉络

1950-1980 年代符号主义与感知机起步，1990 年代 SVM、决策树成熟，2000 年代大数据推动统计学习，2012 年后深度学习主导，2020 年代大模型将机器学习推向生成式与通用化阶段。

应用场景

搜索排序、广告推荐、风控反欺诈、医疗诊断、制造质检、智能客服等几乎所有数据密集型行业；现代大模型应用（RAG、Agent）也以机器学习链路（检索、排序、生成）为底座。

返回AI百科目录 · AI最前沿首页

相关词条：Transformer · 注意力机制 · 自注意力 · 深度学习 · 监督学习