現在在IT圈里有很多的專業技術名詞，有些躺在地上被IT宅男、技術大牛們不斷的細化、具體化，有些被外界的風越吹越高，迷惑了眾生。其中近些年被不斷的提出的熱詞中，機器學習就是其中一個比較熱的專業名詞。

那么機器學習到底是個什么鬼？

機器學習

機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。是專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能的一門知識。它是人工智能的核心，是使計算機具有智能的根本途徑。

這個定義說明是不是相當的專業，但是，對于大部分人來說都看不懂啊。實際上對于有教育孩子經驗的人應該更容易理解，因為所謂的機器學習，簡單來說，就是使用計算機模擬人對世界認識的過程。

相信大家都見過，或經歷過看圖識字（物）的場景。一張張寫著某個字或詞的小卡片，或者畫著某類物品的圖片，被家長或老師拿出來在孩子們的眼前晃來晃去，同時用聲音告知孩子們發音……長期重復的這種訓練，教會了孩子們在下次見到此類字或物品的時候可以直接在腦海中識別出來，同時用語言進行表達。

而機器學習就是通過計算機，在一些軟件上，使用一系列算法，模擬人類的這一教育場景，從而達到將相似的物品信息輸入計算機后，可以正確識別其內容。也就是說，通過“看圖識字”的訓練，讓機器獲得對外部世界的認知能力。

機器學習的“看圖識字”，就是需要從大量的樣本數據中獲取知識，包括具體的規律和特征，從而用來進行實際的推斷和決策。而其獲取的知識被稱為模型，這個過程被稱為模型訓練。比如對于“貓”的圖像的識別，把各種各樣的貓的圖像作為樣本數據進行機器學習，最后得到一個比較好的知識模型后，用來對新的貓的圖像做出識別，給出“是”或“否”的答案。

機器學習的發展過程主要是各種相關的算法的發展，直到1980年起機器學習成為一個獨立的方向開始算起，到現在已經過去了40年。總體上，機器學習算法可以分為有監督學習，無監督學習，強化學習三種類型，這里不細說了。

機器學習是人工智能的一個分支，同時也是人工智能的一種實現方法，但機器學習并不是人工智能一開始就采用的方法。從人工智能的角度來說，經歷了邏輯推理、知識工程、機器學習三個階段。如此，這些年隨著人工智能的熱潮，機器學習也就開始廣為人知了。

為什么是貓

翻遍了相關資料，也沒有找到對這個問題的權威解釋，充分說明了提出這個問題的人的角度的刁鉆（哈哈）。好吧，那我就大膽猜測一下。

據稱現在全世界范圍內，人們養貓的數量已經三倍于“人類最好的朋友”狗了。美國大約三分之一的家庭擁有一只或更多的貓咪，而在英國有四分之一多的家庭。這充分說明了在機器學習的領域，貓的被選擇幾率就是狗的三倍了。

另外，貓的體型相對要比狗合適，隨時可以進行拍照；據說還具有“九條命”的特性哦，可以作為長期的訓練數據來源。而選用植物，花開花落，季節更替，照顧不周就要枯萎，太花心思了。有那時間還不如擼擼貓呢，那還是算了吧。

機器學習中誕生于1967年的kNN算法，是一種基于模板匹配思想的算法，簡單有效，至今仍在被使用。而kNN算法中有一個非常著名的試驗——kNN貓狗分類試驗，估計很多學習機器學習相關算法的人都接觸過。其中貓狗的原始數據很容易就可以從網絡上進行下載，而且微軟就提供相應的下載包哦。

總之，大家都用“貓”的圖像來說明自己的算法、模型的識別率有多高，你拿“狗”的圖像來說明，是不是不太具有可比性呢？再加上貓的各種萌態，吸引著人們不斷的去拍照留存；而且其大小合適、可隨時抓取的特性，還有現成的數據源，你不選貓選哪個。要知道，搞研究的人在生活上來說還是比較懶的啊。