《机器学习》读书笔记 1 序言

机器学习是人工智能领域发展最快的一个分支。20世纪80年代，符号（机器）学习可能还是主流，但自90年代，就是统计（机器）学习的天下了。周志华教授的《机器学习》全面详细的介绍了机器学习的各个分支，可作教材，也可作自学用书和科研参考书。

后面几段就是关于机器学习发展前途的一些问题及思考。

一、符号学习与统计学习的发展趋势：

1.大多数默认符号学习应该退出历史舞台

2.王珏教授：两者互相结合，螺旋式上升，进入更高级的形式。转折点是《概率图模型》

3.美国俄亥俄教授：统计学习早晚会退出AI领域。AI领域会转向基本的认知科学研究。

二、统计学习必须基于数据的独立同分布的假设吗？

1.独立同分布 对 统计学习 是必需的吗？

2.同分布与异分布之间的迁移学习会出现吗？

三、

1.周志华：深度学习在理论和技术上没有太多创新。只不过由于计算机速度提高，可以采用复杂度很高的算法，取得更高精度。实践意义大于理论意义。

2.深度学习打压统计学习了？还不够。原因有三：理论创新不足；应用范围有限，适合于神经网络；统计学习应用普遍，支持者多；

四、机器学习应更深入的参与机器学习

1.统计学习主要使用数学中概率统计

2.微分几何用于流形学习

3.微分方程用于归纳学习

4.代数应用很广，但都是基础工具

五、

1.符合学习使用离散方法，统计学习使用连续方法，但两种方法没有鸿沟

2.微分流形、李群、李代数就是沟通连续和离散的过程

3.现有方法并不完美

六、大数据能否对机器学习带来本质影响

1.量变到质变是普遍规律，但有本质变化吗？

2.机器学习与大数据可否互相推动发展？