> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/ai_beginner_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/ai_beginner_guide/di-er-bu-fen-he-xin-ji-shu-jie-xi/04_machine_learning.md).

# 第四章 机器学习原理

> 理解机器学习的核心思想与主要学习方式（也叫“范式”）

***

> *（注：本章将进入“深水区”，涉及一些核心原理。如果你觉得某个概念（如贝叶斯）太难懂，完全可以先跳过，记住结论就好。不懂原理并不影响你使用 AI。）*

经过前三章的学习，我们已经对 AI 有了整体认知。从本章开始，我们将深入探讨支撑 AI 运行的核心技术。本章聚焦于机器学习——当代 AI 最重要的技术基础。

机器学习的核心思想是让计算机从数据中自动学习规律，而非人工编写规则。这种“从数据中学习”的能力，是当今 AI 系统能够处理复杂任务的关键。

本章将介绍机器学习的四种主要学习方式（范式）：监督学习、无监督学习、强化学习和自监督学习，帮助读者理解每种方式的核心思想、典型算法和应用场景。

## 本章内容

* **4.1 归纳法与机器学习**：理解机器学习的本质和基本流程
* **4.2 监督学习**：从带标签的数据中学习
* **4.3 无监督学习**：从无标签的数据中发现模式
* **4.4 强化学习**：通过与环境交互来学习
* **4.5 强化学习应用**：强化学习在游戏、机器人和决策中的实际应用
* **4.6 自监督学习**：利用数据本身构造学习信号，支撑大模型预训练