2、机器学习入门：概念、方法与应用

机器学习入门：概念、方法与应用

1. 什么是机器学习

1.1 人工智能与传统符号方法

自数字计算机诞生以来，其强大的计算和数据存储能力令人惊叹。人们开始探索计算机能否完成通常需要人类智能的复杂任务，如玩复杂棋类游戏、语音识别、机器翻译和自动驾驶等，这些研究被归为人工智能（AI）领域。

传统上，解决AI任务常采用类似计算机编程的方式，编写包含大量“if - then”规则的程序，这些规则构成知识基。还会运用逻辑和图等数学工具进行知识表示。之后使用搜索策略在知识基中探索规则以做决策，这种方法被称为符号方法。早期，符号方法在AI领域占主导，因其推理算法能通过透明决策过程得出可解释性强的结果，例如20世纪70 - 80年代流行的专家系统。

然而，基于知识的符号方法存在诸多问题：
- 规则表达困难 ：将人类知识用规则明确表达并非易事，如识别猫的图片，很难用规则描述判断依据。
- 规则数量庞大 ：现实世界复杂，需无数规则覆盖各种情况，手动构建规则任务艰巨。
- 规则维护困难 ：知识基中规则增多时，难以维护，可能出现规则矛盾，且调整一条规则可能影响其他规则。
- 处理不确定性能力弱 ：基于规则的符号系统难以根据部分信息决策，也难以处理决策过程中的不确定性。

1.2 机器学习的诞生与发展

1959年，Arthur Samuel首次提出“机器学习”一词。机器学习是设计学习算法，让计算机通过经验自动提升特定AI任务的能力。过去的经验以“训练数据