本文主要是提取《The discipline of machine learning》中的关键内容,有意了解更多者可直接查看原文献。
每个学科都有自己研究的核心问题,机器学习也不例外,它主要是为了回答这样一个问题:
“如何构建一个能够通过积累的经验而使自身性能得到改善的计算机系统,以及何为支配其学习过程的基本法则?”
机器学习是计算机科学和统计学两个学科交叉之后的自然产物之一,同时也受到心理学、神经科学和其他相关学科中关于人类和动物的学习理论的影响。
下面就机器学习领域中的一些相关问题作简要介绍。
机器学习的成功应用案例:
- 语音识别
- 机器视觉
- 生物监控
- 机器人控制
- 加速实证科学的发展
- 对人类而言通过手动编程太过发杂的应用场合
- 需要对软件安装后的操作环境进行定制的应用场合
- 未经标记的数据能否给有监督学习带来帮助
- 如何将从一个学习任务中的得到的信息迁移到另外一个学习任务中,以改善其学习性能
- 不同的学习算法之间有什么联系,以及它们各自的适用场合
- 对于那些积极搜集训练数据的学习算法,可以采取什么最优策略
- 如何权衡数据隐私的保护和通过数据挖掘带来的好处之间的关系
- 能否构建一个永不停止的学习算法
- 机器学习理论和算法能否有助于解释人类的学习过程
- 能否设计出包含机器学习基元的编程语言
- 计算机感知是否会与机器学习相互融合
- International Conference on Machine Learning (ICML).
- Conference on Neural Information Processing Systems (NIPS).
- Annual Conference on Learning Theory (COLT).
- Journal of Machine Learning Research (JMLR). This top journal is freely available online at www.jmlr.org.
- Machine Learning. Published by Springer.