在定义什么是机器学习之前，我们要先弄明白学习是什么。毛主席说好好学习，天天向上。这就是说学习是一个向上变好的过程。那么怎样才能向上变好呢？婴幼儿通过听爸爸妈妈的语言学习说话；小朋友们通过不断地观察周边认识世界；学生们通过阅读书本听老师讲解掌握知识。这些学习的前提都是需要一定数量的外界输入才能完成。所以，我们可以给“学习”一个定义：通过一定数量的外界输入在某个技能上达到提升效果的过程。 

弄清楚了学习的定义，机器学习也就很简单了。对机器来说，外界的输入就是数据；技能可以是搜索，识别，分类等等，提升效果可以是变快了，变精确了等等。 现在我们可以定义说：“机器学习”是机器从外界提供的大量数据中学习某种模式从而使某一方面的表现获得提升的过程。 

机器学习有三大要素： 

1、存在一个潜在的模式可以学习； 

2、这个学习模式是“隐模式”，即只可意会不可言传，很难用准确的数学语言描述出来； 

3、有足够多这个模式产生的数据量用于学习。  

第一条很好理解，学习是要有一个目标的，没有模式那还谈什么学习。第二条说的是机器学习是应用于学习一些难以直接解决的问题，如果有一个明确的数学表达式，直接编一个程序就能算出来，也不用学习。第三条控制着学习的准确性，数据越多，对这个模式的描述就越详细，机器学习的精度就越高。 

机器学习的流程可以归纳为：在假设空间中的某个未知函数产生了一组数据，然后利用这组训练数据通过某个特定的学习算法从假设空间中筛选出一个假设函数，如果这个假设函数和我们的目标函数很接近，那么就说在误差范围内机器通过对训练数据的学习得出了目标函数的模式，可以把学到的模式应用于新的测试数据集中。