精通机器学习技术的秘诀

1）基本概念

所谓机器学习，是指要让机器能够模拟人的学习行为，通过获取知识和技能不断对自身进行改进和完善。

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。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。其中尤其典型的是在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。

2）机器学习的发展

机器学习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）20世纪60年代中期至70年代中期，称为机器学习的冷静时期。

（3）20世纪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以下一些特点：①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；②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；③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；④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；⑤与机器学习有关的学术活动空前活跃。(www.xing528.com)

3）学习系统

所谓学习系统，是指能够在一定程度上实现机器学习的系统。1973年，萨利斯（Saris）曾对学习系统给出定义：如果一个系统能够从某个过程或环境的未知特征中学到相关信息，并且能把学到的信息用于未来的估计、分类、决策或控制，以便改进系统的性能，那么它就是学习系统。1977年，其他学者又给出了一个类似的定义：如果一个系统在与环境相互作用时，能利用过去与环境作用时得到的信息并提高其性能，那么这样的系统就是学习系统。

一个机器学习系统通常应该具有如下主要特征：

（1）目的性。系统必须知道学习什么内容。

（2）结构性。系统必须具备适当的知识存储机构来记忆学到的知识，能够修改和完善知识表示与知识的组织形式。

（3）有效性。系统学到的知识应受到实践的检验，新知识必须对改善系统的行为起到有益的作用。

（4）开放性。系统的能力应在实际使用过程中，在同环境进行信息交互的过程中不断改进。