根据我阅读here的一篇文章，机器学习与教授机器如何通过“学习”输入/输出关系来完成某些任务有关。
什么是更准确的机器学习定义？
答案 0 :(得分：2)
机器学习与教授机器如何通过输入/输出关系完成某些任务有关。这是正确的吗？
简短的回答是肯定的，有点。请继续阅读。
机器学习的定义
要了解机器学习的内容，首先要定义术语Learning。 Tom M. Mitchell（1）经常引用的定义如下：
据说计算机程序从经验E中学习 某些任务T和性能测量P如果其性能在 通过P测量的T中的任务随着经验E而改善
含义？
这听起来很正式，但它只是说计算机从经验中学习它们在数据方面呈现出来。实现学习的数据相对于特定任务而言存在，并包含几个参数：
示例：房价
一旦程序从这些输入中学到了知识，它就可以采用新的，以前看不见的经验，并从此预测，在我们的例子中，具体的房价。住房价格可能与房屋或公寓的位置，年龄和大小以及其内部的奢华程度密切相关。
学习算法的结果是什么？
最简单的形式是住房价格的机器学习算法可以实施multi-variate regression分析。它将实际的，观察到的价格与四个特征位置，年龄，大小，奢侈品相关联的数据体作为输入。学习过程产生一个回归模型，该模型本质上为每个特征赋予权重
y^ = w_location * location + w_age * age + w_size * size + w_luxury * luxury
也就是说，权重w_*是从输入数据中学习，y^是预测价格。一旦公式能够仅基于一系列特征成功预测住房价格，学习就被认为是成功的。通常，如果预测属于实际价格的某个范围（％ - 范围），则认为该预测是成功的。
请注意，成功的定义在很大程度上取决于程序必须学习的任务类型，但结果需要比纯随机猜测（即，正确的结果需要具有统计意义。）
还有更多内容吗？
是的，很多。在Wikipedia article中可以找到一些指针。如果你热衷于进入这个主题，教授Andrew Ng's Standford lecture是非常有名的，虽然如果你寻找它，还有更多的课程。选择最适合您兴趣的那个。
参考
（1）：Mitchell，T。（1997）。机器学习，麦格劳希尔。国际标准书号0-07-042807-7，第2页。由Wikipedia
引用