机器学习的核心主要侧重于找到复杂数据的意义，这是一个应用广泛的任务，还有很多应用方向没有被发现。就像你可能预期的那样，机器学习的使用是非常广泛的，例如机器学习经常用于：

预测选举结果

识别并且过滤垃圾邮件

预测犯罪活动

根据路况，实现交通信号灯的自动化

给出暴风雨和自然灾害后经济损失的估计

检查客户流失

设计自动驾驶飞机和自动驾驶汽车

确定每个人捐助的 能力

把广告定位到特定类型的顾客

现在还不用关心机器如何学习去执行这些任务，但是他们的机器学习过程是一样的，机器学习算法应用数据，找出那些可以应用到实际行动中的模式

有一个可能是杜撰的故事，将到美国一家大型零售商使用机器学习来确定怀孕的母亲，并给她们发送针对性的优惠券邮件。如果给准妈妈大量的有针对性的折扣，零售商希望这些准妈妈成为忠实的顾客，接下来将继续购买利润颇丰的商品，例如尿布、奶粉和玩具等。

通过应用机器学习方法分析客户购买数据，零售商相信他们可以得到一些有用的模式，可以通过一些商品，比如怀孕前的维生素，化妆师，毛巾等，以很大的确定性来判断一个女士是不是怀孕了，以及婴儿的产期是什么时候，这家零售商根据这些数据发出促销邮件后，一个生气的男人联系了他们，询问为什么他那只有十几岁的女儿收到了适用于孕妇的商品优惠券，他很生气，认为商人在鼓励青少年怀孕，之后，一个经理出来道歉，然而最终道歉却是这个父亲，他和他的女儿对质后，发现她确实怀孕了。

无论前面的故事是否完全属实，这里有一点是真实的，零售商实际上会对跟他们的顾客交易记录进行例行分析，零售商用机器学习方法来做广告，针对目标群体进行定向促销，进行存货管理或者规划商店里的商品布局，一些零售商甚至结账通道设备了特别装置，他们可以根据本次交易购买的商品种类打印促销优惠券，；网站也会基于你的网站浏览记录定期做类似的机器学习，根据进行广告发布，由于数据是从很多个体那里得到的，所以机器学习算法可以分析入门典型的行为模式，然后根据此来给出商品推荐。