机器学习（Machine Learning）是人工智能的核心子领域，旨在让计算机从数据中自动学习规律，而非依赖显式编程。它是现代 AI 应用的基石，覆盖了从推荐系统到自动驾驶的广泛场景。

三大学习范式

• 监督学习（Supervised Learning）：从标注数据中学习输入到输出的映射关系，适用于分类和回归任务。典型算法包括线性回归、逻辑回归、SVM、决策树和随机森林。
• 无监督学习（Unsupervised Learning）：在无标注数据中发现隐含结构，如聚类（K-Means）、降维（PCA）和异常检测。
• 强化学习（Reinforcement Learning）：智能体通过与环境交互获得奖励信号来优化策略，广泛应用于游戏 AI、机器人控制和推荐系统。