Definisi operasional dari Machine Learning secara ringkas dapat dituliskan sebagai berikut:
Program komputer dikatakan belajar dari pengalaman E (Experience) terkait dengan tugas T (Tasks) dengan ukuran kinerja P (Performance), jika kinerja P meningkat ketika melaksanakan tugas T seiring dengan peningkatan pengalaman E.
~ Tom M. Mitchell (Carnegie Mellon University, CMU)
Machine learning berperilaku serupa dengan pertumbuhan pengalaman seorang anak. Ketika pada diri anak telah tumbuh pengalaman E dalam melakukan tugas T, maka akan meningkat pula ukuran kinerja P.
Misalnya, diberikan mainan balok kepada seorang anak. Pada permainan ini ada tiga buah bentuk balok: lingkaran, segitiga, dan persegi.
Dalam kasus ini, tugas T bagi sang anak berupa upaya menemukan bentuk lubang pada sebuah kotak yang sesuai dengan bentuk balok yang ada di tangannya. Anak akan mengamati bentuk balok dan mencoba memasukkannya ke dalam lubang.
Dalam percobaan pertamanya untuk menemukan bentuk lubang yang sesuai dengan bentuk balok, ukuran performa P mungkin masih sebesar 1/3. Ini artinya sang anak akan menemukan 1 dari 3 bentuk lubang yang cocok dengan bentuk balok yang dipegang.
Setelah sang anak mencoba beberapa kali, maka ia akan menyadari telah bertambah pengalamannya dalam tugas ini. Dengan pertambahan pengalaman (E) yang telah diperoleh, ketika anak mencoba tugas ini di lain waktu maka ukuran kinerjanya (P) akan meningkat, misalnya menjadi 2/3.
Setelah mengulangi tugas ini (T) sebanyak 100 kali, sekarang sang anak sudah mengetahui bentuk balok mana yang akan cocok berpasangan dengan lubang.
Jadi ketika pengalamannya (E) meningkat, performa (P) juga akan meningkat. Kita perhatikan bahwa semakin meningkat jumlah percobaan dilakukan sang anak pada permainan ini, performanya juga meningkat, yang menghasilkan akurasi yang lebih tinggi.
Eksekusi semacam itu mirip dengan Machine Learning.
Apa yang dilakukan mesin berupa menjalankan tugas (T) lalu diukur kinerjanya (P). Mesin memiliki sejumlah data, sehingga saat memproses data tersebut, pengalamannya (E) akan meningkat seiring dengan waktu dan itu akan menghasilkan ukuran kinerja (P) yang semakin meningkat pula.
Jadi setelah mesin memeriksa semua data, akurasi model Machine Learning akan meningkat yang berarti prediksi yang dibuat oleh model akan bisa sangat akurat.
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
~ Tom M. Mitchell (CMU)
A Simple Notebook 