浅谈机器学习

《浅谈机器学习》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、浅谈机器学习决策支持系统(DSS)是利用计算机技术的交互式信息系统，其主要目的是为决策者提供有价值的信息，能帮助决策者解决半结构化和非结构化决策问题。自20世纪70年代中期创造DSS至今，作为用于管理的一种新型的计算机信息系统一DSS,得到了迅速的发展，它已成为系统工程、模式识别、人工智能等领域十分活跃的研究课题。随着社会的发展DSS也呈现一定的发展趋势，特别是在人工智能领域得到了长足的发展，木文就人T智能中比较热门的机器学习谈…点看法。自从计算机问世以来，人们就想知道机器能不能实现智能化，也就是说机器要能够口己学习。我们希望机器具有这样一种机制，

2、它们能够根据经验來自动提高自己的性能。想象一下，在未來，计算机能从医疗记录中学习和获取治疗新疾病最有效的方法；住宅管理系统分析住户的用电模式，以降低能源消耗;个人软件助理跟踪用户的兴趣,并为其选择最感兴趣的在线早间新闻。所以-些军事学家就猜想利用计算机通过战史、战例分析，总结战法、战斗技能，自动获取最优化得兵力兵器部署方案，在未来战场上克敌制胜。对计算机学习的认识和理解将开辟出许多新的应用领域，特别是军事领域，并使其计算能力上升到新的层次。同时，透彻理解机器学习的算法，对于人类的学习也会有更好的理解。目前，计算机的人工智能程度，即学习能力与人类相比

3、还有很大的差距。我们不知道怎样使计算机具备和人类一样强大的学习能力。然而，一些针对特定学习任务的算法已经产生，并产生了良好的效果。关于学习的理论也开始逐步形成。人们开发出很多计算机程序来实现不同类型的学习，并将其应用于实际中。一些商业化的应用也已经出现。例如，在语音识别领域，迄今为止，基于机器学习的算法明显比其他的方法更好。在数据挖掘领域，机器学习算法被用来从包含设备维护记录、借贷申请、金融交易、医疗记录等此类信息的大型数据库中发现有价值的信息。随着对计算机认识的日益成熟，机器学习正在计算机科学和技术中扮演越来越重要的角色！一些具体的成功案例可以表

4、明机器学习的发展现状：计算机已经能够成功地识别人类的讲话；霉瓣肺炎患者的康复率；检测信用卡的欺诈；在高速公路上自动驾驶汽车。已有很多理论成果能够对训练样本数量、假设空间大小和已知假设中的预期错误这三者间的基本关系进行刻画。我们正开始获取人类和动物学习的原始模型，用以理解它们和计算机的学习算法间的关系。在过去的十年中，无论是应用、算法、理论，还是生物系统的研究，都取得了令人嘱目的进步。特别是学习分类新的天文结构、机器学习方法已经被用于从各种大规模的数据库中发现隐藏的一般规律。决策树学习算法已经被美国国家航空和航天局(NASA)用来分类天体，这些天体来

5、自第二帕洛马天文台的太空观察结果。这一系统现在被用于对太空观察中的所有天体进行口动分类，其中包含了3T字节的图像数据。世界最好的西洋双陆棋程序TD-GAMMON是通过一百万次以上与自己对弈来学习其策略的，现在它的水平能与人类的世界冠军相比。类似的技术已被应用于许多实际问题，在这些问题中，都需要高效地搜索庞大的搜索空间。人工智能是一个多学科的研究领域，它吸收了模式识别、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经科学等学科的成果。在机器学习方面，一个有效的观点是机器学习问题经常归结于搜索问题，即对一个非常大假设空间进行搜索，以确定一个

6、与观察到的数据和学习器已有知识拟和的最好的假设。学习器的任务就是搜索这个空间来定位与训练数据最佳拟合的假设，针对拟合权值的LMS算法通过迭代调整权值实现这个目的。每当假设的评估函数预测出一个与训练数据有偏差的值时，就对每个权值进行校止。当学习器考虑的这种假设表示方法定义了一个连续的参数化的潜在假设空间时，这个算法很有效。已经有一些基本表示（例如，线性函数、逻辑描述、决策树、人工神经元网络）的假设空间的搜索算法。这些不同的假设表示法适合于学习不同的目标函数。对于其中的每一个假设表示法，对应的学习算法发挥不同内在结构的优势来组织对假设空间的搜索。把学习

7、问题可以视为搜索问题，从而通过搜索策略和学习器探索的探索空间的内在结构来刻画学习方法。我们也会发现这种观点对于形式化地分析要搜索的假设空间的大小可利用的训练样本的数量以及一个与训练数据一致的假设能泛化到未见实例的置信度这三者之间的关系很有效。但是机器学习现在也面临着许多问题，主要集中在：多少训练数据是充足的?怎样找到学习到假设的置信度与训练数据的数量及提供给学习器的假设空间特性之间的一般关系？学习器拥有的先验知识是怎样引导从样本进行泛化的过程的？当先验知识仅仅是近似正确时，它们会有帮助吗？关于选择有效的后续训练经验，什么样的策略最好?这个策略的选择

8、会如何影响学习问题的复杂性？怎样把学习任务简化为一个或多个函数逼近问题?换一种方式，系统该试图学习哪些函数?这个过程本身能