一、定义
Arthur Samuel:在没有明确设置的情况下,使计算机具有学习能力的研究领域。(较老)
Tom Mitchell:计算机程序从经验E中学习,解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验E而提高。(相对AlphaGo,经验E就是程序同自己下几万次围棋,任务T就是下围棋胜利,性能P就是同新手玩家下围棋时胜利的概率)
个人理解:为了完成某一任务目标(任务T)的情况下,设计的某款程序,模拟运行N多次(经验E),从而不断与理想状态无穷趋近(性能P)的过程,就是机器学习。(任务+经验+度量)
例题:假设你想为自己的邮箱设计出一款能够学习如何区分垃圾邮件的程序,下列哪项是任务T呢?
- A 将邮件分为垃圾邮件与非垃圾邮件
- B 观察你平时区分垃圾邮件与非垃圾邮件
- C 程序运行时辨别垃圾邮件的正确率
- D 不是上述,这不是一个机器学习问题
答案
二、学习算法分类
1.监督学习:教计算机做某件事情
2.无监督学习:让计算机自己学习
此外还包括强化学习,推荐系统等众多算法