概念：投喂给机器训练数据，机器从这些数据中找出一个能够良好拟合已有数据的函数，新数据来了后，就可以通过这个函数预测对应结果。 适合解决的问题：有规律可以学习、编程很难做到、有能够学习到规律的数据。 工作方式： 根据任务目标确定算法； 在预处理阶段把数据分成三组：训练数据（用来训练模型）、验证数据（开发过程中用于调参）、 测试数据（测试用）； 用训练数据来构建使用相关特征的模型； 把验证数据接入模型调参； 用测试数据检查被验证的模型的表现； 用完全训练好的模型在新数据上做预测； 用更多数据或选取不同特征以及利用调整过的参数来提升优化算法的性能表现。 分类：按学习方式可以分为监督学习（包括半监督学习）、无监督学习、强化学习、迁移学习。