機器學習就是把無序的數據轉換成有用的信息。機器學習一般包括訓練集、學習算法、目標變量、假設函數。目標變量是機器學習的預測結果。如圖1所示，在訓練集上結合目標變量，利用學習算法不斷學習，使得假設函數h能夠解釋（x,y）之間的關係。機器學習中最重要的就是如何確定假設函數。
圖1
機器學習的算法分類如圖2所示。
圖2 機器學習的分類
在使用機器學習算法中，如果想要預測變量的值，則可以選擇監督學習算法。否則可以選擇無監督學習算法。確定爲監督學習算法後，如果要進一步確定目標變量的類型，可以選擇分類器算法（目標變量是離散型）或者回歸算法（目標變量是連續的）。如果不想預測目標變量的值，則可以選擇無監督學習算法。進一步分析是否需要將數據劃分爲離散的組。如果這是唯一的需求，則使用聚類算法；如果還需要估計數據與每個分組的相似程度，則需要使用密度估計算法。