什么是机器学习

从「人写规则」到「机器找规律」

传统编程：人把规则写好，机器照做——「温度低于 0 度就提醒结冰」，规则是人想的。机器学习反过来：给机器一堆「历史天气 + 当天是否结冰」的记录，让它自己把规律找出来。一句话：机器学习就是从数据里自动学出一个函数，输入 x（历史天气），输出 y（明天结不结冰）。

一个具体例子

房价预测：收集 1000 套已售房子，每套记录面积、楼层、到地铁站的距离和成交价。机器读完这些数据，学出一个「面积 + 地段 → 价格」的函数，以后来一套新房子就能报价。没人告诉它「地铁近就贵」——这是它自己从数字里看出来的。

和练琴很像

老师示范、你模仿、纠错、再练——示范是数据，纠错是反馈，练熟的手指就是「学出来的函数」。d2l（李沐等著《动手学深度学习》，免费开源在 zh.d2l.ai）开篇就说：深度学习的本质，是用可微分的函数去拟合数据。

常见误区

机器学习不是「机器像人一样思考」。它不懂房价，只是在数字上找统计规律——数据里没有的规律它学不出来，数据里有的偏见它照单全收。

练一练：举一个生活里「人在找规律」的例子（如看云识天气），说说它的「数据」和「函数」分别是什么。