不犯同样的错误两次，通过经验改善行为。
**Wikipedia：**学习是获得新的或修改现有的知识、行为、技能、价值观或偏好，可能涉及综合不同类型的信息。
**Herbert A. Simon 司马贺**：学习表示一个系统的变化，......使一个系统在下一次更有效地完成同样的任务。学习是一个系统中的任何变化，它在适应环境的能力方面产生了或多或少的永久性变化。
**韦氏在线词典：**通过指导或阅读，通过研究，通过经验或观察获得知识；通过实践获得技能。学习是记忆和行为的获得和发展，包括技能、知识、理解、价值观和智慧。它是经验的产物，是教育的目标。学习的范围从简单的学习形式，如在许多动物物种中看到的习惯化和古典条件反射，到更复杂的活动，如游戏，只见于相对聪明的动物。
机器学习的定义
T**om Mitchell (1997):**如果一个计算机程序在$T$类任务中，以$P$来衡量$T$的表现，随着经验$E$的增加而提高，那么就可以这个程序从经验$E$中学习到了知识。
**BusinessDictionary：**机器通过使用人工智能技术的软件来模仿人类的学习方式来提高自己的性能，如重复和经验。
随着近来数据可用性，算力和新算法的快速发展，机器学习已逐渐成为实现人工智能（AI）的关键方法之一。
机器学习是计算机科学更广泛领域中人工智能的一个子集。它用计算机和算法从“数据”中学习并发现“模式和洞察”，因为在许多情况下，“模式和洞察”就隐藏在“数据”之中。随着时代发展，从业务流程中积累的数据对人类来说理解起来可能非常复杂。然而算法却能够比人更快、更准确地从数据中发掘出“模式和洞察”。
机器学习主要分为两类技术：监督学习和无监督学习。监督学习是指在已知的输入和输出数据上训练模型以使其可以预测未来的输出数据，无监督学习则是在输入数据中发现隐藏模式或内在结构。
机器学习的过程本质上是非常简单的：找到模式、应用模式， 这很大程度上要归功于Geoffrey Hinton在1986年的一项发明，今天我们称他为深度学习之父。
尽管许多机器学习算法已经存在了很长时间，但将复杂的数学计算反复多次、越来越快地自动应用于大数据的能力却是最近才发展起来的。以下是一些您可能熟悉的被广泛宣传的机器学习应用示例：