人工智能原理之机器学习

1.机器学习的概念

1.1机器学习三种定义
  (1) 机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
  (2) 机器学习是对能通过经验自动改进的计算机算法的研究。
  (3) 机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。

1.2机器学习的研究方面
  机器学习的研究主要有3个方面：
  （1）认知模型。主要目的是通过对人类学习机理的研究和模拟，从根本上解决机器学习方面存在的种种问题。
  （2）理论性分析。主要目的是从理论啥探索各种可能的学习方法，并建立起独立于具体应用领域的学习算法。
  （3）面向任务的研究。主要目的是根据特定任务的要求，建立相应的学习系统。

1.3机器学习的类型
  对机器学习的分类方法有很多种。
  按照人工智能的不同学派可以分为符号主义机器学习、连接主义机器学习。
  按照学习策略可以分为机械学习、传授学习、演绎学习、归纳学习、和类比学习。
  按照学习方式可以分为监督学习、非监督学习、强化学习。
  并且每种学习可以细分。例如基于符号主义的机器学习课根据其发展过程和采用的主流方法，分为基于样例的符号学习和基于概率统计的统计学习；基于连接主义的机器学习可以分为基于浅层神经网络的浅层连接学习和基于深层神经网络的深度学习。

补充：人工智能研究中的不同学派
  人工智能研究中的不同学派：符号主义、连接主义、行为主义。
  符号主义又称逻辑主义、心理学派、计算机学派，是基于物理