大部分のマシンラーニングアルゴリズムは、先ずデータが生成した潜在的なメカニズムの特徴を把握して複雑な関係を定量化した後、この識別されたパターンを用いて新しいデータに対する予測を行います。マシンラーニングは、データから役に立つ規則、知識表現、或いは判断基準などを抽出するという点で、データマイニングや統計、数学的最適化問題とも深く関連しています。
大部分のマシンラーニングアルゴリズムは、先ずデータが生成した潜在的なメカニズムの特徴を把握して複雑な関係を定量化した後、この識別されたパターンを用いて新しいデータに対する予測を行います。マシンラーニングは、データから役に立つ規則、知識表現、或いは判断基準などを抽出するという点で、データマイニングや統計、数学的最適化問題とも深く関連しています。
대부분의 머신러닝 알고리즘은 먼저 데이터가 생성한 잠재적인 메커니즘의 특징을 파악하여 복잡한 관계를 정량화한 후, 이 식별된 패턴을 사용하여 새로운 데이터에 대한 예측을 실시합니다. 머신 러닝은 데이터로부터 유용한 규칙, 지식 표현 혹은 판단 기준 등을 추출한다는 점에서 데이터마이닝이나 통계 및 수학적 최적화 문제와도 관련이 깊습니다.
머신러닝은 컴퓨터 과학을 포함한 대부분의 모든 분야에서 활용되고 있으며, 컴퓨터 시각(문자 인식, 물체 인식, 얼굴 인식), 자연어 처리(자동 번역, 대화 분석), 음성 인식 및 필기 인식, 정보 검색 및 검색 엔진(텍스트마이닝, 스팸 필터, 추출 및 요약, 추천 시스템), 생물 정보학(유전자 분석, 단백질 분류, 질병 진단), 컴퓨터 그래픽 및 게임(애니메이션, 가상현실), 로보틱스(경로 탐색, 무인 자동차, 물체 인식 및 분류) 등의 분야에서 응용되고 있습니다.