第一章 机器学习概述

机器学习的概念

学习：可以从不同角度对学习给出解释，但是都包含了知识获取和能力改善这两个主要方面。因此给学习如下一般的解释：学习是一个有特定目的的知识获取和能力增长过程，其内在行为是获得知识、积累经验发现规律等，其外部表现是改进性能、适应环境、实现自我完善等。

机器学习：机器学习是一门研究怎样用计算机来模拟或实现人类学习活动的学科，是计算机科学、数学、心理学、生物学和哲学等多门学科的交叉。

机器学习的发展历史

第一阶段是20世纪50年代中叶到60年代中叶属于热烈时期。第二阶段是在20世纪60年代中叶到70年代中叶被称为机器学习的冷静时期。第三阶段从20世纪七十年代中叶到80年代中叶称为复兴时期。第四阶段，从20世纪80年代中叶到现在是机器学习的最新阶段。

机器学习的分类

基于学习策略的分类：模拟人脑的机器学习，包括符号学习和神经网络学习；直接采用数学方法的机器学习。

基于学习方法的分类：归纳学习：包括符号归纳学习和函数归纳学习；演绎学习；类比学习；分析学习。

基于学习方式的分类：监督学习；无监督学习；强化学习。

基于数据形式的分类：结构化学习和无结构化学习。

基于学习目标的分离：概念学习；规则学习；函数学习；类别学习；贝叶斯网络学习。

机器学习的主要策略

1.基于神经网络的学习

原文地址：https://www.cnblogs.com/WittPeng/p/8992087.html