机器学习:
可以理解为：举个例子：你可以把广告目标、受众、定位等信息视为一个吸铁石，但是你这个吸铁石很特殊，是浅蓝色的，只能吸引和你颜色一样或者非常相近的其它吸铁石。这个时候，把这块吸铁石放入一个浩瀚无垠的空间中，里面飘着各式各样颜色的吸铁石。机器学习的过程，可以理解为这块吸铁石和它小伙伴用来彼此相遇的过程。
但倘若，你拥有的吸铁石有很多杂质，那么在机器学习的过程中，也会吸引到很多杂质，最终可能导致杂质包围了整块吸铁石，最终它可能看不到原本的颜色了。
当然，这并不是不可逆的，就是当你发现杂质的时候，尽早把它剔除掉，又是一块清清白白的吸铁石啦。
（以上均为个人拙见，仅供参考！）
以下是Facebook官方解释：
Facebook 系统采用机器学习（一种人工智能技术）来为广告主和受众打造最有价值的体验。在这个过程中，我们会综合利用 Facebook 收集的数据和您提供的数据。
这套系统的基础是信号，例如广告主选择的受众、优化目标、竞价及其提供的数据（自定义受众或 Pixel 像素代码/SDK/线下信号）等。我们的系统会分析这些信号之间的关联，并预测最佳的广告投放机会。受众针对广告采取操作时便会触发机器学习。如果受众看到广告后没有采取期望的操作，系统也会从中学习。
广告投放的机器学习阶段
系统开始投放广告组后，无论是在营销活动开始时，还是在您进行编辑后，所掌握的数据信息都不足以尽可能稳定地投放广告。
为获得这些必要的数据，我们必须向不同类型的用户投放广告，以此了解哪些人群最可能执行您的优化事件。这个过程即称为“机器学习阶段”。
系统获得需要的数据后，广告组的表现波动也会随之降低。
这时，您便可以对广告组作出有依据的决策。
如果您对所获成效感到满意，可以继续投放或增加其预算。（甚是满意，继续使用）
如果您对所获成效不满意，可以编辑广告组，尝试改善其表现，（剔除杂质）
也可以暂停其投放（无可救药了，换一个再整吧~）。
疑问：1、机器处于学习阶段的期限一般是多久？
2、机器学习结束后，我们应重点关注哪些数据？
衡量数据是否达到预期的标准是什么？
以及可以做哪些针对性的解决措施？
希望我可以很快的回来，写出我得到的答案！
以下编辑属于大幅调整，将重新开始机器学习阶段：
- 更改受众定位
- 更改广告创意
- 更改“广告投放优化目标”选项
- 暂停广告组（或广告组所在的广告系列）
以下调整的影响力取决于更改幅度：
- 竞价金额（或竞价上限金额/目标费用）
- 预算金额（除非您使用目标费用竞价策略，在这种情况下，任何程度的预算更改都不会被视为大幅调整）
