机器学习
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。
- 有价值
- 一般般
- 没价值