机器学习：发展历史

机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。

机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。

机器学习是指通过计算机学习数据中的内在规律性信息，获得新的经验和知识，以提高计算机的智能性，方便计算机能够和人一样做决策。



机器学习的过程包括如下几个模块：训练数据、使用学习算法、创建模型

机器学习可以用于信用卡欺诈检测、互联网搜索、人脸识别、智能汽车驾驶、产品服务推荐、医疗保健、金融交易和自然语言处理等。。。。。






机器学习来源于“人工智能”，发展时期主要分为推力期（二十世纪年代中期至八十年代）、知识期（二十世纪七十年代中期至八十年代）和学习期（二十世纪八十年代至今）



机器学习各个发展时期的奇迹学习理论和代表性成果：








具体的机器学习算法有：

• 聚类分析和模式识别

• 人工神经网络

• 决策树

• 感知器

• 支持向量机

• 集成学习AdaBoost

• 降维与度量学习

• 聚类

• 贝叶斯分类器

• 回归分析和统计分类

• 高斯过程回归

• 线性判别分析

• 最近邻居法

扫码关注我

一起感悟科学魅力



点分享



点点赞



点在看

点击阅读原文，获得更多精彩内容！