让机器像人类一样获得学习能力，完成某项任务就叫机器学习。机器学习可分为有监督的机器学习和无监督的机器学习。
一般来说，人类学习要经过认识——区分——输出三个主要过程。机器学习同样如此，但目前机器还不会主动去认识事物。需要通过输入一系列属性数据组成的数组来认识事物，这些数组也称为特征向量。
举个例子来说，想让机器认识苹果，那么苹果的颜色，大小，形状甚至是脆度、甜度这些数据就是特征向量。
区分是指，假设我们有30个苹果，30个橘子，40个梨。每个水果我们都按照特征向量提取了相关信息，并把所有的特征向量输入计算机，告诉他哪一组是苹果的，剩下的都不是苹果，反复接受和区分。每次帮机器判定“是否是苹果”，这种判定就是标签向量。
这种每次向模型输入特征，并告诉它标签和对、错来监督它进行调整。这就叫做有监督的机器学习；而单纯输入特征向量让机器自己挖掘规律并分类得出结论的就属于无监督的机器学习。