本文为阅读总结个人认为书里概念性的、对本人有帮助的内容,仅供参考。
该书的一个目标是揭示机器学习的秘密。心理学家丹·诺曼创造了概念模型,代指为了有效利用某项技术而需要粗略掌握的知识,《终极算法》就将介绍机器学习的概念模型。该书以寻找终极算法为引,引导读者带着好奇阅读。
机器学习主要有5个学派:
- 符号学派:将学习看作逆向演绎,并从哲学、心理学、逻辑学中寻求洞见;
- 联结学派:对大脑进行逆向分析,灵感来源于神经科学和物理学;
- 进化学派:再计算机上模拟进化,并利用遗传学和进化生物学知识;
- 贝叶斯学派:认为学习是一种概率推理形式,理论根基在于统计学;
- 类推学派:通过对相似性判断的外推来进行学习,并受心理学和数学做优化的影响。
机器学习的5个学派都有自己的主算法:
- 符号学派:逆向演绎;
- 联结学派:反向传播;
- 进化学派:遗传编程;
- 贝叶斯学派:贝叶斯推理;
- 类推学派:支持向量机。
寻找终极算法,虽然有的人认为这难以实现,但对机器学习领域的人来说,这个梦想赋予我们力量,促使我们夜以继日地工作。如果存在终极算法,那么它可以通过数据学得包括过去的、现在的以及未来的所有知识。创造终极算法将是科学历史上最伟大的进步之一。
该书的第二个目标就是帮你创造终极算法。
如果你的主要兴趣是机器学习的商业用途,那么这本书至少能通过6中方法帮助你:
- 成为分析学中更精明的消费者;
- 充分利用你的数据专家;
- 减少许多数据挖掘项目的隐患;
- 看看如果不买手写编码软件,你能让什么进行自动操作;
- 降低信息系统的僵硬度;
- 期待正朝你走来的新技术。
我们身边到处是容易达成的目标,我们理应追寻这种目标,但我们也不应忽略不远处就有更大的目标。
本系列文章仅为《终极算法》的内容总结或提要,其中有许多内容还无法透彻领会和理解,期待在阅读中寻找答案。持续更新...