机器学习与传统计算相比有何独特之处和不同之处?在传统的计算机程序中,当您想要执行计算时,您会在代码中编写一个算法,该算法提供从输入获取所需输出的指令。执行算法时,您提供输入,即算法,并要求机器计算输出或结果。换句话说,您的指令是明确的。但是,如果您没有所需的所有输入,或者您甚至不知道算法,会发生什么?对于数据科学领域的复杂问题,您通常会有一堆输入数据和相关输出。您知道它们之间存在相关性,但数据集太复杂,无法自行解决。进入机器学习 (ML)。ML 是人工智能 (AI) 的一个子领域,专注于指示机器在仅给定一组输入和输出的情况下推断特定问题的算法。您不是显式地提供输入和输出,而是提供隐式输入和输出,并要求机器计算两者之间的最佳相关性。此活动称为训练。训练结束后,当你提供机器尚未见过的新输入时,你会要求它给出输出。这称为推理,因为机器不是基于算法来推断结果,而是基于它自己对数据集之间相关性的内部度量。借助 ML,你可以训练一个可以接受任何未知 x 的模型,并根据模型从上述输入数据中学到的内容推断出相应的 y 值。