机器学习（本文主要指的是监督学习）的最主要目标，是要让算法的最终结果跟实际真实值之间的损失函数值最小： argminf∈F1N∑i=1NL(yi,f(xi))+λJ(f)argminf∈F1N∑i=1NL(yi,f(xi))+λJ(f)

学术领域，最新的机器学习技术都做到了什么水平？Github上有一个开源项目，专门用于更新最新的研究突破，具体说来，就是什么算法在哪一个数据集上取得了state-of-the-art 的成果。大类包括：监督学习、半监督学习和无监督学习、迁移学习、强化学习，小类包括语音、计算机视觉和NLP。

对于大多数组织来说，机器学习仍然是一个白日梦，Gartner估计，只有不到15%的企业成功地将机器学习投入生产。即便如此，公司也需要开始用机器学习来进行实验，这样他们就可以把它建立在他们的DNA里。

随着数据科学在人工智能发展中大放异彩，数据挖掘、机器学习进入了越来越多人的视野。而对于很多人来说，诸如机器学习之类的名次听起来是神乎其技，但其真正的内涵却不为一般人所知。

新浪数码讯 11月15日上午消息，在iPhone X发布之后，全世界人民都开始挑战号称百万分之一出错几率的Face ID，最近的案例是一名十岁的少年，用自己的脸解锁了自己亲妈的iPhone X。

摘要：本文分享了一份简单的关于开展机器学习的心得体会，目的是给初学者提供基本的指导，主要讲解了建立系统、选择合适的评价指标、数据处理、系统优化等内容，帮助初学者少走一些弯路。

使用机器学习、深度学习等人工智能的技术，分享在若干行业的实际工业项目，行业背景、遇到的问题、如何建模、如何解决、解决结果如何、产生的价值是什么等。

在本文中，作者利用一个“真假新闻”的数据集和一个Naive Bayes分类器，成功开发了一个文本分类模型，该模型能够根据文本中的内容信息迅速判断文章的真假。

机器学习的时代已经来临，它能带来怎样非凡的成就，现在还不好说，但是说它将改变软件工程师解决问题的方式，却是毋庸置疑的。

上个星期，我花了一些时间参加了 Numerai 的机器学习金融比赛。这篇文章就是我对于比赛的一些笔记：我尝试过得一些方法，我做了什么工作以及什么工作我直接放弃不做。

作者 | 洪亮劼编辑 | 李佳本文摘自洪亮劼在极客时间 App 开设的付费专栏“AI 技术内参”。

　　决策树 & 聚类算法 & 线性回归：应该使用哪种机器学习算法?使用它的原因是什么?作者在本文中详细介绍了这些内容。以下为译文。

　　在我们许多人的眼中，机器无需人类教受便能够自主学习是科幻小说或电影中的情节。而科幻电影给我们留下的印象往往是邪恶计算机企图统治世界。

　　人工智能和机器学习可谓火爆空前。自从AlphaGo完胜人类围棋顶尖棋手后，人们关于人工智能的讨论就从未间断过。 有人说，人工智能会使大批人失业，又有人说，人工智能会给人类带来威胁。更多人期待的则是，人工智能可以帮助我们创造更多的价值。

　　机器学习基于这样的假设：我们可以通过将正确的数据放到正确的算法中去训练解决一系列复杂的问题。当你需要融资或者发布产品的时候可以毫不犹豫的称之为人工智能(AI)，但是你心里需要明白现在AI是一个几乎可以代表一切时髦用词。