Машинное обучение применяют везде там, где задачу удается формализовать так, что задача сводится одной из этих задач:
- Задача классификации
- Задача кластеризации
- Задача прогнозирования
- Задача ранжирования.
Например, задачу создания рисунка можно свести к задаче прогнозирования того, какой должен получится рисунок при таких-то начальных условиях или при существовании части рисунка.
При этом для задач классификации, прогнозирования и частично ранжирования необходимо иметь очень большой объем данных, на которых решение данных задач уже заранее известно. На этих данных проводится, так называемое, обучение с учителем, то есть обучение по размеченным примерам. Предполагается, что обученная модель столкнувшись с новым неразмеченным примером сможет справиться с ним и дать правильное решение с большей вероятностью, если этот пример будет не слишком резко отличаться от обучающего множества.
А, например, для задачи кластеризации больших данных не нужно. Там идет, так называемое, обучение без учителя.