首先，为什么机器学习很重要？我们一般的程序只能解决输入一定、计算过程一定、输出一定的问题。但是在现实生活中我们有很多问题都是无法用语言进行准确描述，我们在这里以一个反垃圾软件系统为例。如果我们需要建立一个反垃圾邮件系统，传统的手段没有办法很好的解决。对于这个问题，我们可以如下分析：1）通过人工手段判断可以简单分辨的邮件，并对这些邮件进行分类。2）对垃圾邮件的内容进行分析，归纳总结出一些特征。3）将这些特征写成代码，并且编写一个程序。4）通过这个程序对新的一批邮件进行判断，并且通过人工监督它的判断是否正确，然后不断调整特征。这样我们就能够很好的解决这个问题了，上面的过程就是机器学习要干的事情。
目前，机器学习主要解决10种典型问题：
1）垃圾邮件检测 2）信用卡盗用检测 3）数字识别 4）语言识别 5）人脸识别 6）商品推荐 7）医疗诊断 8）股票交易 9）顾客区分 10）图形预测。
其实也是四大问题，
1）分类问题：数据被贴了标签，而且肯定属于某个类。例如垃圾邮件检测系统。
2）回归问题：数据拥有有个数值，而且这个数值与时间有关，例如股票的价格总是会在某个值上下波动，我们主要是为了预测下一个时间它的价格。
3）聚类问题：数据没有被贴上标签，但是它们其实是属于不同类的，我们需要给它们贴上标签。
4）发掘关系：有两个看似无关的东西，它们其实内在存在我们人类无法察觉到的关系。
典型的机器学习方法有两张：
1）监督学习
我们要去判断预测出来的东西对还是不对。
2）无监督学习
整个过程中没有人工参与。
原文：http://www.cnblogs.com/lw945/p/5965554.html