机器学习报告

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《机器学习报告》，欢迎阅读！

机器学习报告

学习是人类具有的一种重要智能行为，但究竟什么是学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。至今，还没有统一的“机 器学习”定义，而且也很难给出一个公认的和准确的定义。尽管如此，为了便于进行讨论和估计学科的进展，有必要对机器学习给出定义，即使这种定义是不完 全的和不充分的。顾名思义， 机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所 说的“机器”，指的就是计算机；现在是电子计算机，以后还可能是中子计算机、光子计算机或神经计算机等等。

机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域 得到成功的应用与发展，已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功用于机器人下棋程序、语音识别、信用卡欺诈监测、自主车辆 驾驶、智能机器人等应用领域，除此之外机器学习的理论方法还被用于大数据集的数据挖掘这一领域。实际上，在任何有经验可以积累的地方，机器学习方法均可发 挥作用。 机器学习 (machine learning) 是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一 。机器学习是人工智能领域中较为年轻的分支, 其发展过程可分为 4 个时期：1)20 世纪 50 年代中期到 60 年代中期, 属于热烈时期；2)60 年代中期至 70 年代中期,被称为机器学习的冷静时期；3)70 年代中期至 80 年代中期,称为复兴时期；4)1986 年开始是机器学习的最新阶段 。这个时期的机器学习具有如下特点：机器学习已成为新的边缘学科并在高校成为一门独立课程，融合了各种学习方法且形式多样的集成学习系统研究正在兴起，机器学习与人工智能各种基础问题的统一性观点正在形成，各种学习方法的应用范围不断扩大。一部分应用研究成果已转化为商品，与机器学习有关的学术活动空前活跃 。

机器学习的研究主旨是使用计算机模拟人类的学习活动，它是研究计算机识别现有知识、 获取新知识、 不断改善性能和实现自身完善的方法 。机器学习的研究目标有 3 个：1) 人类学习过程的认知模型；2) 通用学习算法；3) 构造面向任务的专用学习系统的方法。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域 得到成功的应用与发展，已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功用于机器人下棋程序、语音识别、信用卡欺诈监测、自主车辆 驾驶、智能机器人等应用领域，除此之外机器学习的理论方法还被用于大数据集的数据挖掘这一领域。实际上，在任何有经验可以积累的地方，机器学习方法均可发 挥作用。

机器学习最有趣的特征之一就是，它介于几个不同理论学科之间，主要是计算机科学、统计学、数学和工程学。机器学习经常被作为人工智能的一部分来进行研究，这把它牢牢的置于计算机科学中。理解为什么这些算法能够有效工作需要一定的统计学和数学头脑,这往往是计算机科学专业的本科生所缺少的能力。

机器学习是一个源于数据的模型的训练过程，最终归纳出一个面向一种性能度量的决策。“训练一个模型”代表训练实例，“模型”表示通过经验学习获得的状态，“归纳出一个决策”代表基于输入做出决策的能力，并且需要一个用于未来决策的、不可见的预期输入。最后，“面向一种性能度量”是指准备好的模型的针对性需要和定向特性。

机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一 个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。例如，它


们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要 的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性 表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。

学习是一项复杂的智能活动，学习过程与推理过程是紧密相连的，按照学习中使用推理的多少，机器学习所采用的策略大体上可分为4种——机械学习、通过传授学习、类比学习和通过事例学习。学习中所用的推理越多，系统的能力越强。

本文来源：https://www.dy1993.cn/mJCx.html