机器学习绪论
文章目录 1. 引言 2. 基本术语 3. 假设空间 4. 归纳偏好 5. 发展历程 6. 应用现状 7. 阅读材料 1. 引言 机器学习,致力于研究如何通过计算的手段,利用经验来改善系统自身的性能 2. 基本术语 数据集 数据的集合 样本/示例 每条记录 3. 假设空间 归纳(induction)和演绎(deduction)是科学推理的两大基本手段 从样例中学习 是一种归纳过程, 是归纳学习 广义归纳学习 从样例中学习 狭义的归纳学习 从训练数据中学得概念(concept) 概念学习 目前研究、应用都比较少,因为要学得泛化性能好且语义明确的概念实在太困难了。 现实常用的技术大多是产生“黑箱”模型 了解概念学习,有助于理解机器学习的一些基础思想 布尔概念学习 对“是” “不是”这样的可表示为0/1布尔值的目标概念的学习 4. 归纳偏好 通过学习得到的模型对应了假设空间中的一个假设 5. 发展历程 机器学习是人工智能研究发展到一定阶段的必然产物 6. 应用现状 在过去二十年中,人类收集、存储、传输、处理数据的能力取得了飞速提升,人类社会的各个角落都积累了大量数据,亟需能有效地对数据进行分利用的计算机算法,而机器学习恰顺应了大时代的这个迫切需求,因此该学科领域很自然地取得巨大发展, 受到广泛关注 7. 阅读材料 来源: CSDN 作者: 橘树作团团 链接: https://blog