机器学习
机器学习使计算机有能力在没有明确编程的情况下进行学习（Arthur Samuel, 1959）。它是计算机科学的一个子领域。
这个想法来自于人工智能方面的工作。机器学习探索的是研究和构建能够学习并对数据进行预测的算法。这种算法遵循编程指令，但也可以根据数据做出预测或决定。他们从样本输入中建立一个模型。
机器学习是在无法设计和编程明确算法的地方进行的。这方面的例子包括垃圾邮件过滤、网络入侵者或恶意内部人员的数据泄露检测、光学字符识别（OCR）、搜索引擎和计算机视觉。
问题和答案
问：什么是机器学习？答：机器学习是计算机科学的一个子领域，它使计算机具有无需明确编程的学习能力，使用的算法可以学习并对数据进行预测。
问：机器学习的想法是怎么来的？
答：机器学习的想法来自人工智能方面的工作。
问：机器学习中使用的算法是如何工作的？
答：机器学习中使用的算法遵循编程指令，但也可以根据数据做出预测或决定。它们从样本输入中建立一个模型。
问：什么时候使用机器学习？
答：机器学习用于无法设计和编程明确算法的地方。这方面的例子包括垃圾邮件过滤、网络入侵者或恶意内部人员的数据泄露检测、光学字符识别（OCR）、搜索引擎和计算机视觉。
问：使用机器学习的风险有哪些？
答：使用机器学习有风险，包括创建的最终模型是 "黑匣子"，在招聘、刑事司法和识别人脸方面被批评为有偏见。
问：机器学习模型是一个 "黑盒子 "是什么意思？
答："黑箱 "机器学习模型意味着其决策过程不容易被人类解释或理解。
问：机器学习的一些应用实例是什么？
答：机器学习的一些应用实例包括垃圾邮件过滤、网络入侵者检测、光学字符识别（OCR）、搜索引擎和计算机视觉。
