Machine Learning 简介与学习路线

机器学习（Machine Learning）有众多的应用领域，目前比较活跃的主要是数据挖掘（data mining），计算机视觉（computer vision, CV），自然语言处理（natural language processing, NLP），机器人决策这四大领域。

数据挖掘：

通俗的说是从大量已获取的案例中寻找出数据的关系或规律，从而可以对新采集的样本进行预测或分类。数据挖掘可以说是机器学习历史最悠久的应用领域，在人工智能的概念还没有被提出的时候，统计学家的研究已经比较成熟了。其实我们在中学时就已经学习过相关内容，例如：

中学时期的数学课上，我们学会了绘制散点图，用最小二乘法（least square method）求解出回归直线从而解决问题。真实的回归案例与中学时的问题思想上是类似的，只是多数情况下会有更多的变量而已。

在一个问题中，当我们需要预测的不是连续的实数值，而是离散的类别时，这个问题被称为分类问题。如下图所示，为了预测一个病人是否患有糖尿病，我们可以设计一个模型，从大量的案例（体检的数据以及是否患有糖尿病的诊断）中寻找到规律，从而使用这个模型对其他人进行诊断。这种计算机辅助医疗的技术已经逐步应用在真实的场景中了。

计算机视觉

即让计算机可以“看”懂世界。例如计算机可以完成图像分类、OCR（光学字符识别）、目标检测、语义分割、场景理解等任务。