机器学习数学基础学习总结（一）

poppy_zlw

于 2017-02-12 16:33:25 发布

阅读量1.6k

点赞数

分类专栏：机器学习文章标签：机器学习数学

本文链接：https://blog.youkuaiyun.com/zrj000za/article/details/55002142

版权

本文介绍了机器学习的基本概念，包括Arthur Samuel和Tom Mitchell的定义，并概述了机器学习的分类。强调了学习机器学习所需掌握的计算机能力、数理统计知识和领域知识。文章深入探讨了微积分、概率与统计、线性代数在机器学习中的关键作用，特别是它们在解决优化问题、建立概率模型和简化计算过程中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

什么是机器学习

1.Arthur Samuel(1959),machine Learning：Field of study that gives computers the ability to learn without being explicitly programmed.
根据1959年，Arthur Samuel对机器学习的定义：在不针对计算机编程的情况下，赋予计算机学习能力的一个领域。

2.Tom Mitchell(1998),Well-posed Learning Problems：A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.
一个更好的定义是1998年Tom Mitchell提出的：对于一个计算机程序，给它一个任务T和一个性能测量方法P，如果在经验E的影响下，P对T的测量结果得到改进，那么就说该程序从E中学习。