英文，machine learning。
最初的应用场景
- ocr，文字识别
- spam filter，垃圾内容过滤
以垃圾评论为例
在没有使用机器学习的情况下，只能一条一条的写规则，例如
- 不能包含 http：//
- 不能包含 .com
- …
然后，你会发现，每天都会遇到新的不在旧有规则覆盖范围之内的垃圾评论。（这就是我关闭了实时评论的原因，采用规则加人工审核）
归纳一下，规则流，就是分析-写规则-运行-看效果-再分析-再写规则，如此反复。
机器学习的做法是，首先利用样本，例如垃圾评论样本,非垃圾评论样本，自动提取特征，然后运行-看效果-再训练-如此反复。
理论上，机器学习反复的过程要比人工规则流要少。因为训练的过程可以自动化，半自动化。例如，新样本可以基于用户反馈、管理员汇总，这些都比人工提取规则高效的多。
关于作者 🌱
我是来自山东烟台的一名开发者，有感兴趣的话题，或者软件开发需求，欢迎加微信 zhongwei 聊聊，或者关注我的个人公众号“大象工具”， 查看更多联系方式