定义

机器学习有下面几种定义：

机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。

机器学习是对能通过经验自动改进的计算机算法的研究。

机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。

一种经常引用的英文定义是：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.

分类

机器学习可以分成下面几种类别：

监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。

无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有聚类。

半监督学习介于监督学习与无监督学习之间。

增强学习通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断。

算法

具体的机器学习算法有：

构造间隔理论分布：聚类分析和模式识别

构造条件概率：回归分析和统计分类

通过再生模型构造概率密度函数：

近似推断技术：

最优化：大多数以上方法，直接或者间接使用最优化算法。

参考文献

引用

书目

Bishop, C. M. (1995). 《模式识别神经网络》，牛津大学出版社。ISBN 0-19-853864-2

Bishop, C. M. (2006). 《模式识别与机器学习》，Springer。ISBN 978-0-387-31073-2

Richard O. Duda, Peter E. Hart, David G. Stork (2001) 《模式分类》（第2版）, Wiley, New York, ISBN 0-471-05669-3.

MacKay, D. J. C. (2003).《信息理论、推理和学习算法》，剑桥大学出版社。ISBN 0-521-64298-1

Mitchell, T. (1997). 《机器学习》, McGraw Hill. ISBN 0-07-042807-7

Sholom Weiss, Casimir Kulikowski (1991). Computer Systems That Learn , Morgan Kaufmann. ISBN 1-55860-065-5

外部链接

UCI description

机器学习软件Weka

Pablo Castro主页

机器学习网邮件列表

机器学习和自然语言处理-弗莱堡大学

机器学习和数据挖掘，生物信息学小组，慕尼黑工业大学

机器学习和生物计算-Bristol大学

机器学习和应用统计学@微软研究

机器学习研究月刊

机器学习期刊

机器学习-Kmining，数据挖掘和KDD科学参考

Book "智能系统社区" by Walter Fritz

开放目录项目

机器学习论文-CiteSeer

Orange，使用Python脚本语言的机器学习组件和可视化编程接口

参见

人工智能

计算智能

数据挖掘

模式识别

机器学习方面重要出版物（计算机科学）

机器学习方面重要出版物（统计学）

自主控制机器人

归纳逻辑编程

决策树

神经网络

强化学习

贝叶斯学习

最近邻居法

计算学习理论

免责声明：以上内容版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。感谢每一位辛勤著写的作者，感谢每一位的分享。