2. 機器學習 （machine learning, ml)
2.1 概念：多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。
2.2 學科定位：人工智慧(artificial intelligence, ai）的核心，是使計算機具有智慧型的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。
2.3 定義：**和開發一系列演算法來如何使計算機不需要通過外部明顯的指示，而可以自己通過資料來學習，建模，並且利用建好的模型和新的輸入來進行**的學科。
arthur samuel (1959): 一門不需要通過外部程式指示而讓計算機有能力自我學習的學科
langley（1996) ： 「機器學習是一門人工智慧的科學，該領域的主要研究物件是人工智慧，特別是如何在經驗學習中改善具體演算法的效能」
tom michell (1997): 「機器學習是對能通過經驗自動改進的計算機演算法的研究」
學習機器學習 持續整理
以前也學習過機器學習，看過一點西瓜書，一段時間沒有接觸，也就生疏了。現在打算在工作時間充裕的情況下，學習一下新的知識，充實一下自己，提高自己的技能。從推薦系統開始學習，摸清推薦系統的脈絡，能在實際開發中能用到。從資料的清洗，處理，儲存，模型選擇，訓練模型，到模型上線，反饋模型，迭代模型優化。現在電商...
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...
機器學習 機器學習概論
3 模型評估與模型選擇 4.具體應用 統計學習 是關於計算機基於 資料 構建概率統計模型並運用模型對資料進行 分析 統計學習的三要素 模型在監督學習中，模型就是所要學習的條件概率分布或決策函式。這在後面的章節中會重點介紹。策略 評價模型的標準 用損失函式和代價函式來度量 錯誤的程度。1 幾種損失函式...