機器學習是人工智能的一個分支，目標是賦予機器一種新的能力。（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。）機器學習的應用很廣泛，例如大規模的數據挖掘（網頁點擊數據，醫療記錄等），無人駕駛飛機、汽車，手寫手別，大多數的自然語言處理任務，計算機視覺，推薦系統等。
相信很多人都是從AlphaGo，無人駕駛才開始關注這個行業的，然而借用一個前輩所說的話，大家都覺得AlphaGo和無人駕駛是人工智能，然而大家從來都沒有想過自己天天用的百度，逛的淘寶，背後支持他們的便是人工智能技術，而這些已經落地了的，沒有那麼炫酷的應用場景才是人工智能為我們帶來的價值，才是真正為我們生活帶來的改變。那麼相信不久的將來，當市場迴歸理性，那麼其中一些應用場景也會落地，希望能夠為我們的生活提供些許的便捷，這個技術也有他的價值了。
監督學習
對具有概念標記（分類）的訓練樣本進行學習，以儘可能對訓練樣本集外的數據進行標記（分類）預測。這裡，所有的標記（分類）是已知的。因此，訓練樣本的岐義性低。
監督學習是訓練神經網絡和決策樹的最常見技術。這兩種技術（神經網絡和決策樹）高度依賴於事先確定的分類系統給出的信息。
當然，監督學習的目標是訓練一個系統，且該系統能夠預測以前從未見過的樣本。因此，有必要讓模型具有泛化能力，以避免一個常見的稱為過擬合的問題。過擬合將導致由於擬合能力過剩而導致過度學習。
可以說，過擬合的主要影響是雖然能夠正確預測用於訓練的樣本，但其他樣本的誤差卻很大。
常見的監督學習的應用包括：
基於迴歸的預測或分類
垃圾郵件檢測
模式檢測
自然語言處理
情緒分析
自動圖像分類
自動序列處理（例如音樂或語音）
尚學堂立志解決中國教育不公平和低效率問題，幫助千千萬萬被傳統教育方式耽誤的人，傳授實用、前沿的知識，成就學員個人理想，為愛你的人和你愛的人創造美好的生活。尚學堂12大精英團隊+各類實戰項目，真正實現1+1>10的目標效果。幫助學員迅速成長，持久騰飛，成就學員“高富帥”人生。
閱讀更多 AI和ai 的文章
