机器学习基础

1.1 机器学习概述

  机器学习，通俗地讲就是让机器来实现学习的过程，让机器具有学习的能力。对机器而言，这里的 “学习” 指的是从数据中学习，从数据中产生 ”模型“ 的算法。有了学习算法，只要把经验数据提供给它，它就能够基于这些数据产生模型，在面对新的情况时，模型能够提供相应的判断，进行预测。
  机器学习的实质是基于数据集的，通过对数据集的研究，找出数据集中数据之间的联系和数据的真实含义。

1.2 机器学习的发展历程

  机器学习属于人工智能中一个较为年轻的分支，大致可以分为以下 3 个发展阶段。
  第一阶段：20 世纪 50 年代中期到 60 年代中期，这一时期处于萌芽时期。人们试图通过软件编程来操控计算机完成一系列的逻辑推理功能，进而使计算机具有一定程度上类似人类的智能思考能力。然而这一时期计算机所推理的结果远远没有达到人们对机器学习的期望。进一步研究发现，只具有逻辑推理的能力并不能使机器智能。研究者们认为，使机器拥有人工智能的前提是必须拥有大量的先验知识。
  第二阶段：20 世纪 60 年代中期到 80 年代中期，这一时期处于发展时期。人们试图利用自身思维提取出来的规则教会计算机执行决策行为，主流之力便是各种各样的 ”专家系统“。但是面对无穷无尽的知识与信息，人们无法总结出万无一失的规律。因此，人们开始研究如何让机器自主学习。
  第三阶段：20 世纪 80 年代至今，机器学习处于一个繁荣时期。由于这一时期互联网大数据及硬件 GPU 的出现，使得机器学习突破了瓶颈期。机器学习逐渐成为一门独立的学科，并且被应用到各个领域中。

</