机器学习算法概述——摘录《机器学习算法导论》

目录

第一章 机器学习算法概述

1.1什么是机器学习？

1.2机器学习的形式分类

1.2.1 监督式学习

1.2.2 无监督学习

1.2.3强化学习

1.3 机器学习算法综览

---

第一章 机器学习算法概述

人工只能的概念是由以麦卡赛、明斯基、罗切斯特和香农等为首的一批科学家在1956年提出的。为何已有六十余年的历史学科又一次进入到人们视野的中心？是什么技术的突破，为人工智能领域注入了新鲜的活力?

人工智能的核心是机器学习，而机器学习的核心是算法！近年来，机器学习的算法，尤其是深度学习算法，展现出了无与伦比的威力，而且GPU（图像处理器）的高速发展，使得大规模深度学习成为可能。正是机器学习算法和硬件技术的土坯使得人工智能焕发新生。

本书将要回答：机器如何通过学习获取智能？机器学习算法和传统算法有何不同？

本章先概述机器学习这领域。

1.1什么是机器学习？

机器学习是智能体通过模拟或实现人类的学习行为来获得新的知识或技能，重新组织已有的知识结构，以不断改善自身智能。

给定任务T，相关的经验E，关于学习效果的度量P，机器学习就是通过对经验E的学习来优化任务T完成效果度量P的一个过程。

举例：无人驾驶汽车系统中，机器学习的任务就是根据路况确定驾驶方式；学习效果的度量可以是事故发生的概率；经验是人类大量的驾驶数据。

在机器学习中，用于学习的经验数据为训练数据，完成任务的方法叫模型。