机器学习指机器通过统计学算法，对大量的历史数据进行学习从而生成经验模型，利用经验模型指导业务。目前机器学习主要在以下方面发挥作用：

• 营销类场景：商品推荐、用户群体画像、广告精准投放
• 金融类场景：贷款发放预测、金融风险控制、股票走势预测、黄金价格预测
• SNS关系挖掘：微博粉丝领袖分析、社交关系链分析
• 文本类场景：新闻分类、关键词提取、文章摘要、文本内容分析
• 非结构化数据处理场景：图片分类、图片文本内容提取OCR
• 其它各类预测场景：降雨预测、足球比赛结果预测

机器学习笼统地讲可以分为三类：

• 有监督学习（supervised learning）：指每个样本都有对应的期望值，通过模型搭建，完成从输入的特征向量到目标值的映射，典型的例子是回归和分类问题。
• 无监督学习（unsupervised learning）：指在所有的样本中没有任何目标值，期望从数据本身发现一些潜在的规律，例如一些简单的聚类。
• 增强学习（Reinforcement learning）：相对来说比较复杂，是指一个系统和外界环境不断地交互，获得外界反馈，然后决定自身的行为，达到长期目标的最优化。其中典型的案例就是阿法狗下围棋，或者无人驾驶。