机器学习
此條目可参照英語維基百科相應條目来扩充。 |
机器学习与数据挖掘 |
---|
人工智能系列内容 |
---|
机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点,到以“知识”为重点,再到以“学习”为重点的自然、清晰的脉络。显然,机器学习是实现人工智能的一个途径之一,即以机器学习为手段,解决人工智能中的部分问题。机器学习在近30多年已发展为一门多领域科际整合,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。
机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法(要防止錯誤累積)。很多推论问题属于非程序化決策,所以部分的机器学习研究是开发容易处理的近似算法。
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、游戏和机器人等领域。
定义
[编辑]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。
電腦科學家Tom M. Mitchell在其著作的Machine Learning一書中定义的機器學習為: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.[1]
分类
[编辑]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。
监督学习和非监督学习的差别就是训练集目标是否有人为标注。他们都有训练集 且都有输入和输出
- 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生成對抗網絡(GAN)、聚类。
- 半监督学习介于监督学习与无监督学习之间。
- 增强学习机器为了达成目标,随着环境的变动,而逐步调整其行为,并评估每一个行动之后所到的回馈是正向的或负向的。[2]
算法
[编辑]具体的机器学习算法有:
软件
[编辑]包含各種機器學習演算法的軟體套裝包括:
免费开源软件
[编辑]Python软件库及框架
[编辑]参考文献
[编辑]引用
[编辑]- ^ Tom M. Mitchell. Machine Learning. McGraw-Hill. 1997年3月: 第2页. ISBN 0070428077 (英语).
- ^ 林东清. 资讯管理:e化企业的核心竞争能力 七版. 台北市: 智胜文化. 2018年8月: 第118页. ISBN 9789864570478 (中文).
来源
[编辑]- 书籍
- 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), New York: Wiley. ISBN 0-471-05669-3.
- MacKay, D. J. C. (2003). 《信息理论、推理和学习算法》 (页面存档备份,存于互联网档案馆),剑桥大学出版社. ISBN 0-521-64298-1
- Mitchel.l, 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
[编辑]- UCI description (页面存档备份,存于互联网档案馆)
- 机器学习软件Weka (页面存档备份,存于互联网档案馆)
- Pablo Castro主页 (页面存档备份,存于互联网档案馆)
- 机器学习网邮件列表 (页面存档备份,存于互联网档案馆)
- 机器学习和自然语言处理-弗莱堡大学 (页面存档备份,存于互联网档案馆)
- 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 (页面存档备份,存于互联网档案馆)
- 机器学习和应用统计学@微软研究
- 机器学习研究月刊 (页面存档备份,存于互联网档案馆)
- 机器学习期刊 (页面存档备份,存于互联网档案馆)
- 机器学习-Kmining,数据挖掘和KDD科学参考 (页面存档备份,存于互联网档案馆)
- Book "智能系统社区" by Walter Fritz
- 开放目录项目 (页面存档备份,存于互联网档案馆)
- 机器学习论文-CiteSeer (页面存档备份,存于互联网档案馆)
- Orange,使用Python脚本语言的机器学习组件和可视化编程接口 (页面存档备份,存于互联网档案馆)