机器学习1——什么是机器学习

1. 机器学习

1.1. 什么是机器学习

• Machine Learning
• 多领域交叉学科
• 它是人工智能核心，是使计算机具有智能的根本途径
• 研究机器怎样模拟或实现人类的学习行为

1.2. 涉及学科

• 概率论、统计学、逼近论
• 线性代数、高等数学等

1.3. 机器学习历史

• 演变而来。
• 追溯到17世纪，贝叶斯、拉普拉斯关于最小二乘法的推导和马尔可夫链。
• 1950年，艾伦.图灵提议建立一个学习机器。
• 1980年，在美国的卡内基梅隆（CMU）召开了第一届机器学习国际研讨会，标志着机器学习研究已在全世界兴起。

1.4. 为什么研究机器学习

1.4.1 方面一：智能：

• 一个系统是否具有学习能力已成为是否具有“智能”的一个标志。
• 研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
• 机器学习是对能通过经验自动改进的计算机算法的研究。

1.4.2 方面二：大数据：

• 大数据环境下机器学习的研究
• 该类研究主要是研究如何有效利用信息
• 注重从巨量数据中获取隐藏的、有效的、可理解的知识。

1.5. 研究现状

1.5.1 方面一：智能

• 决策树

1. 决策树是机器学习常见的一种方法。
2. ID3算法
3. 在ID3算法的基础上提出了一种改进算法，即C4.5算法
4. CART算法
5. SLIQ（决策树分类）算法
6. PUBLIC算法

• 随机森林

1. 随机森林（RF）作为机器学习重要算法之一。
2. 是一种利用多个树分类器进行分类和预测的方法。

• 人工神经网络