什么是机器学习，是怎么分类的，具体应用在哪几方面？

机器学习的定义

1、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，重新组织已有的知识结构使之不断改善自身的性能。

2、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。

3、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。

4、对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。

机器学习的分类（根据反馈的不同）

1、监督学习：主要特点是要在训练模型时提供给学习系统训练样本以及样本对应的类别标签，因此又称为有导师学习。典型的监督学习方法：决策树、支持向量机（SVM）、监督式神经网络等分类算法和线性回归等回归算法。

2、无监督学习：主要特点是训练时只提供给学习系统训练样本，而没有样本对应的类别标签信息。典型的无监督学习方法：聚类学习、自组织神经网络学习

3、强化学习：主要特点是通过试错来发现最优行为策略而不是带有标签的样本学习。

机器学习的应用方面

1、图像处理识别（人脸识别、图片分类）

2、自然语言处理

3、网络安全（垃圾邮件检测、恶意程序流量检测）

4、自动驾驶

5、机器人

6、医疗拟合预测

7、神经网络

8、金融高频交易