人工智能领域和计算机科学领域的一个重要分支，德州仪器TI机器学习（ML，Machine Learning）

机器学习（ML，Machine Learning）是人工智能领域和计算机科学领域的一个重要分支。德州仪器TI机器学习是一门多领域交叉学科，涉及统计学、数据分析、概率论、计算机科学等多门学科，它的目标是通过研究利用数据和算法来模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断地改善自身的性能。简单点说，机器学习的目的是让机器如何像人的大脑那样去学习，它是使计算机具有智能的基础。可以将点当作训练集合，用来训练我们的神经网络，当我们的神经网络训练好了后，神经网络中神经元表示的函数就确定了。下一次我们给神经网络输入一个其它的任意一点的时候，神经网络的输出应该告诉我们，这个点是属于类还是类。如下图中，为我们用神经网络分类的结果，阴影部分被我们的神经网络判定为类点的区域，而非阴影部分被判定为类点的区域。因此，如果我们下次输入阴影部分的点，德州仪器TI神经网络应该告诉我们点属于类点，而输入白色区域的点时，神经网络告诉我们它属于类点。这样，我们的神经网络就能用来预测在非训练样本集合中的点的类型。三层神经网络在上面的神经网络中，我们用到对神经元进行编号。我们有一个输入层，一个隐藏层与一个输出层。我们注意到输入层有两个神经元，这是因为在图中，待分类的点在二维平面上，因此，与两个神经元分别表示待分类的点的横坐标与纵坐标。在隐藏层中，我们使用了三个神经元，读者也可以根据自己的需要使用更多的神经元。最后，输出层输出两个实数，这两个实数表示了点所属的类型，即是类还是类。因此，在图的整个神经网络中，输入为待判断类型的点的二维坐标，输出为点的所属类型。在第一层后的每个神经元都用自己的函数处理来自上一层传递的信息，然后输出一个实数，并将该实数输入到下一层的每一个神经元。这里，每个神经元使用函数来处理数据。