我认为这篇文章总结了它。

基本上，机器来自机器学习，这是 Arthur Samuel 在 1959 年创造的一个术语，远早于最终发展导致 90 年代的软边距内核 SVM 和 80 年代的玻尔兹曼机器。早在 1963 年，Vapnik 和 Lerner 就将他们的算法称为广义肖像算法，请在此处查看更多信息。

在这种情况下，机器将是输出函数，或者正如文章出于历史原因所说的那样，假设是根据学习参数构建的。

可能是因为一些最早的机器学习算法被实现为实际的物理机器。来自维基百科：

感知器旨在成为一台机器，而不是一个程序，虽然它的第一个实现是在 IBM 704 的软件中，但它随后在定制的硬件中实现，称为“Mark 1 感知器”。

（图片来自康奈尔图书馆，来自维基百科）

ADALINE（Adaptive Lineardi Neuron 或后来的 Adaptive Linear Element）是早期的单层人工神经网络，也是实现该网络的物理设备的名称。

有关这些机器的更多信息的来源是Talking Nets一书。

Meriam-Webster将这个词定义为“为了戏剧效果而引入的文学手段或发明”。它确实起到了增加戏剧效果的作用。“支持向量算法/方法/方程/函数/...”听起来不如“支持向量机！”

我还建议使用“核密度机”和“最大似然机”。实际上，从现在开始，我将把我所有的算法称为“机器”。