机器学习是什么?ML 原理与分类全解

一句话解释机器学习

机器学习 = 让计算机从数据中自动发现规律,并用这些规律做预测或决策。

传统编程:人类写规则 → 计算机执行。
机器学习:人类给数据 → 计算机自己总结规则。

举个例子:你不需要告诉计算机"猫有尖耳朵、胡须、毛茸茸",只需要给它看 100 万张猫的照片,它就能自己学会识别猫。

机器学习的三大范式

大语言模型(GPT、Claude)的训练综合了三种范式:预训练(无监督)→ SFT(监督)→ RLHF(强化学习)。

机器学习的技术栈

关系:AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大语言模型。每一层都是上一层的子集。

机器学习的工作流程

机器学习的应用场景

普通开发者怎么用机器学习?

2026 年,大多数开发者不需要从零训练模型——直接调用大模型 API 就能获得强大的机器学习能力。通过 AI的那些事儿:

• 国内直连:境内骨干节点,无需代理,延迟低至 50ms。
• 统一接口:GPT、Claude、Gemini 全部用 OpenAI SDK 调用,改个 base_url 就行。
• 按量计费:一次充值所有模型通用,用多少付多少。
• 价格更低:比官方便宜 20%-40%。

你不需要懂反向传播、梯度下降,只需要会写 API 调用,就能用上最先进的机器学习成果。

实战:调用基于机器学习的大模型

1. 获取 AI的那些事儿 API Key。
2. 在代码中把 base_url 改为 https://api.example.com/v1。
3. 用 OpenAI SDK 调用,体验机器学习的最新成果。

Python 示例:用大模型做文本分类(监督学习思路)

from openai import OpenAI

client = OpenAI(
    api_key="你的Key",
    base_url="https://api.example.com/v1"
)

# 用大模型做情感分类(传统ML需要大量标注数据,大模型零样本即可)
texts = [
    "这个产品太好用了,强烈推荐!",
    "质量很差,用了一天就坏了",
    "还行吧,中规中矩",
]

for text in texts:
    r = client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "user",
            "content": f"判断以下文本的情感倾向(正面/负面/中性),只回答分类结果:\n{text}"
        }],
        temperature=0
    )
    print(f"[{r.choices[0].message.content}] {text}")

Node.js 示例:用大模型做数据提取

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "你的Key",
  baseURL: "https://api.example.com/v1",
});

// 用大模型从非结构化文本中提取结构化信息
const r = await client.chat.completions.create({
  model: "gpt-4o",
  messages: [{
    role: "user",
    content: `从以下文本中提取姓名、公司、职位,以JSON格式返回:
"张三是阿里巴巴的高级算法工程师,专注于推荐系统和机器学习。"`
  }],
  temperature: 0,
});
console.log(r.choices[0].message.content);

常见问题

一行代码,用上最先进的机器学习成果

GPT-4o、Claude Opus 4、Gemini 2.5……无需自己训练,API 直接调用。