Machine learning 机器学习与显式编程的区别

我是数据科学领域的新手。所以我正试图一步一步地了解他的基本知识。在他最重要的领域中，我们发现了机器学习

我发现这个定义：

“机器学习是一个研究领域，使机器能够在没有明确编程的情况下进行学习。”

对我来说，还不清楚的是，我们如何才能让机器在没有编程的情况下学习

---

有人能告诉我这一点吗？

通过机器学习，你可以制作一个程序，它可以自己学习一些东西，例如，通过一个程序，它可以学会检测图片中是否有猫。现在，您不必告诉程序每张图片中是否有一只猫，程序将使用机器学习自行学习

您可以使用不同的机器学习方法，例如，监督学习，在监督学习中，您为程序提供一组带有标签的示例数据点，以指示该数据的含义。 在无监督学习中，你不会给例子贴标签，因此程序必须自己找到集群/模式。 也许这可以帮助你学习它：

---

在一句话中准确定义机器学习是非常非常困难和不可能的。我想这里的重点是——机器可以仅从数据中学习（例如如何做出决策），而不需要人类专家精确地告诉机器该做什么。当然，还必须对自学习机器进行编程。。。然而，这只是机器学习的一个小方面，我真的不喜欢这个定义。@cel想你。我将关注答案中的链接，以进一步理解：）ML算法并不关心您正在解决的问题（令人惊讶的程度）。。。它们是通用的，因此可以跨多个问题域工作。。。而传统的显式编程通常是非常领域特定的。。。一个类比：大脑中的神经网络（ML）处理视觉、认知、味觉和感觉运动，而你的肌肉（传统的显式方法）只有在它们收缩将不同的骨骼拉在一起时才是好的。谢谢你的解释。我将专注于此链接以进一步了解：）