一、机器学习的一些成功应用
1. 识别人类语言:SPHINX系统 - 识别基本的音素(phoneme)单词/神经网络学习&隐马尔可夫模型的应用
2. 学习车辆驾驶:ALVINN系统 - 基于传感器的控制问题,在车辆中进行穿行驾驶
3. 分类新的天文结构:从各种大规模数据库中发现隐藏的一般规律 - 决策树算法被NASA用于天体分类
4. 博弈类棋局:Alpha Go - 围棋
二、关联学科
1. 人工智能:学习概念的符号表示。作为搜索问题的机器学习,利用先验知识和训练数据一起引导学习
2. 贝叶斯方法:作为计算假设概率基础的贝叶斯法则。朴素贝叶斯分类器。
3. 计算复杂性理论
4. 控制论
5. 信息论:熵和信息量的度量。学习最小描述长度
6. 哲学
7. 心理学和神经生物学:实践的幂定律(power law of practice)- 对于很大范围内的学习问题,人的反应速度会随着实践次数的幂级提升
8. 统计学
三、学习问题的标准描述
1. 定义:如果,一个计算机程序针对某些任务T的、用P衡量的性能、根据经验E来自我完善,
那么,我们称这个计算机程序从经验E中学习,针对某些任务T,它的性能用P来衡量。
2. 为了完成一个学习系统的设计,除了确定ETP,还需要选择:要学习的知识的确切类型+对这个目标知识的表示(目标函数)+一种学习机制
【举例】
AlphaGo: 任务T是围棋博弈;性能P是赢得博弈;经验E是与自己博弈/过往的棋局。
3. 选择训练经验的3个关键属性:
(1)训练经验能否为系统的决策提供直接/间接反馈(直接反馈ÿ