终极算法——序

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：

1. 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；
2. 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；
3. 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；
4. 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；
5. 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：

1. 符号学派：逆向演绎；
2. 联结学派：反向传播；
3. 进化学派：遗传编程；
4. 贝叶斯学派：贝叶斯推理；
5. 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：

1. 成为分析学中更精明的消费者；
2. 充分利用你的数据专家；
3. 减少许多数据挖掘项目的隐患；
4. 看看如果不买手写编码软件，你能让什么进行自动操作；
5. 降低信息系统的僵硬度；
6. 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...

终极算法