白话模式识别与机器学习关系

什么是模式识别

• 什么是模式？
  模式就是一种规律，它代表个体或一组事物的模板或原理，是表征事物特点的特征或性状的组合。如果还没明白，想想如何理解“商业模式”。
• 模式识别：
  模式识别就是对模式的区分和认识，把对象根据其特征归到若干类中适当的一类。

模式识别这门学科研究如何通过一系列数学方法，让计算机来实现人的模式识别能力。

基本术语

• 样本：所研究对象的一个个体，相当于统计学中的“实例”
• 样本集：若干样本的集合，相当于统计学中的“样本”
• 类或类别：在所有样本上(“总体”)上定义的一个子集，处于同一类的样本在我们所关心的性质上是不可区分的，即有相同的模式。
• 特征：用于表征样本的观测信息，通常是数值表示的某些量化特征；若存在多个特征，则组成特征向量；样本的特征向量构成特征空间，每个样本是特征空间中的一个点。
• 已知样本：事先知道类别标号的样本，又称训练样本。
• 未知样本：类别标号未知但特征已知的样本，又称测试样本。

综上，所谓模式识别的问题就是用计算的方法根据样本的特征将样本划分到一定的类别中去。

             模式空间——>特征空间——>类型空间

模式识别的主要方法

1. 基于知识的方法：
   主要指以专家系统为代表的方法，在确定描述样本所采用的特征之后，依靠人们对所研究对象的认识，整理出若干描述特征与类别间关系的准则，建立分类系统。
2. 基于数据的方法：
   在确定描述样本所采用的特征之后，收集一定数量的已知样本，用这些样本作为训练来训练一个模式识别机器，使之在训练后能够对未知样本进行分类。

这种基于数据的模式识别方法可看作是一种特殊的基于数据的机器学习，其学习的目标识离散的分类。适用于我们已知对象的某些特征与我们所感兴趣的类别性质有关系，但无法确切描述这种关系的情况。

人们所说的模式识别方法主要指基于数据的统计模式识别方法

综上，目前所主要讨论的模式识别是机器学习任务中的一种，二者有许多共同之处。