问：“是不是可以理解机器学习都是基于已有的数据进行概率统计学习，选择合适的模型？”
张夏天：可以这么认为。不过，我更认可的一种观点，不见得尽然对：机器学习是统计学发展到一定程度，无法解决大数据量的情况下做的一个妥协。在以往，对于很多问题都能够用概率的模型描述，或者概率密度函数，或者概率函数进行描述；但是发展到后来，我们发现在多维度，尤其高维度的情况下，用统计学不可能精确地求解或估计出这样的函数。机器学习就退而求其次，在分类问题上不要求精确到概率的结果，比如90%是A或者80%是B；机器学习需要的结果就是，要看到在某个空间里面，给出一个分类界面，指出结果是在哪边就OK了。 #搬砖#