机器学习——初步了解

机器学习是什么

计算机利用已有的数据，得出某种模型，并利用此模型预测未来。

核心思想：统计与归纳。

机器学习的主要目的就是把人的思考归纳经验转化为计算机通过对数据的处理计算得出模型的过程。像人的方式一样解决各种复杂灵活的问题。
一般的机器学习至少考虑两个量：自变量，因变量。

机器学习过程： 首先，需要在计算机中将统计到的数据存储起来。然后，将这些数据通过机器学习算法进行处理，这个处理的过程在机器学习中的“训练”。处理的结果用来对新数据进行预测，这个结果一般叫做“模型”。“训练”和“预测”是机器学习的两个过程（就像人类成长的”归纳“和”推测“过程)。而模型是过程的中间输出结果。”训练“产生”模型“，“模型”指导“预测“。

---

机器学习的相关学科

机器学习类似于统计学习、模式识别、数据挖掘等。同时与其他领域的处理技术结合，形成计算机视觉、语音识别、自然语言处理等交叉学科。

• 模式识别
  模式识别=机器学习。模式识别源于工业界。机器学习源于计算机学科。
• 数据挖掘
  数据挖掘=机器学习+数据库。大部分数据挖掘中的算法都是机器学习的算法在数据库中的优化。
• 统计学习
  统计学习近似于机器学习。机器学习中的大多数方法来自于统计学。统计学习偏数学，重点关注的是统计模型的发展与优化。机器学习偏实践，更关注的是能够解决问题。机器学习研究者重点研究学习算法在计算机中执行的效率和准确性的提升。
• 计算机视觉
  计算机视觉=图像处理+机器学习。图像处理技术用于将图像处理为适合进入机器学习模型中的输入，机器学习则从图像中识别出相关的模式。计算机视觉的应用有百度识图、手写字符识别、车牌识别等。
• ####语音识别
  语音识别=语音处理+机器学习。
• 自然语言处理
  自然语言处理=文本处理+机器学习。自然语言处理技术主要是让机器理解人类的语言的一门领域。自然语言处理用了很多编译原理相关的技术。利用机器学习进行自然语言的深度理解是一个焦点。”听和看，阿猫阿狗都会，只有语言才是人类独有的。“

”计算能力我们有分布式计算，反应能力我们有事件驱动架构，检索能力我们有搜索引擎，知识存储能力我们有数据仓库，逻辑推理能力我们有专家系统，但是，唯有对应智慧中最显著特征的归纳与感悟能力，只有机器学习与之对应。“
“除了自动驾驶汽车以外，潜意识的思想还可以扩展到人的交际。譬如说服别人，一个最佳的方法就是给他展示一些信息，然后让他自己去归纳得出我们想要的结论。因为如果你告诉的规律与对方的不相符，很有可能出于保护，他们会本能的拒绝你的新规律，但是如果你跟他讲一个故事，传递一些信息，输送一些数据给他，他会思考并自我改变。他的思考过程实际上就是机器学习的过程，他把新的数据纳入到他的旧有的记忆与数据中，经过重新训练。如果你给出的数据的信息量非常大，大到调整了他的模型，那么他就会按照你希望的规律去做事。有的时候，他会本能的拒绝执行这个思考过程，但是数据一旦输入，无论他希望与否，他的大脑都会在潜意识状态下思考，并且可能改变他的看法。“

http://www.cnblogs.com/subconscious/p/4107357.html感谢作者！