机器学习的专业术语非常多，不需要一开始理解所有的专业术语，这些术语会随着对机器学习的深入，会慢慢理解，水到渠成。
不过在学习的过程中，有一些概念必须要了解，有助于后续的学习与理解，需要了解的核心概念有：监督学习、无监督学习、模型、策略、算法等。
监督学习监督学习，指的是学习的数据与后续测试的数据，都有答案（标签）。
比如说，我们自己的相片集，里面每个人我们都知道是谁并可以标识出来，给机器学习时，我们将每个单人照和对应的名字提交给机器学习模型，机器学习模型完成学习以后，我们继续提交新的相片（单人或多人的），模型直接输出照片中每个人的名字。而对这类有标准答案的数据集的学习，就是有监督学习。
监督学习主要用来处理分类与回归两类问题。
分类：比如前面对相片的学习，输出的是相片中人物对应的名字标签，这个名字标签可以理解为分类的类别名称。百香果的酸与甜、人的性别男与女等这些离散的类别，都是机器学习中分类算法处理的目标。
回归：回归类算法主要是用来预测连续值的变化。比如预测一个人工作年限与收入的变化；网站每日访问量（PV值）变化；广告投放与新增用户、消费（充值）的关系变化等等，这类数据类型的增减变化，就是回归算法预测的目标。
监督学习常用算法包括：K最近邻算法、朴素贝叶斯算法、线性回归算法、逻辑回归算法、决策树算法、神经网络算法、支持向量机算法、因子分解机算法等