機器學習 學結

機器學習，討論的是如何讓計算機程序進行學習。因為現實世界中有很多問題，不能通過直接編程解決，如手寫數字識別，自動駕駛等。人們希望計算機程序也能像人一樣，從已有的經驗中進行學習，來提高它的性能。 

那什么是機器學習了？首先來看什么是學習。學習的一般說法是，在經驗的作用下，行為的改變。學習有一個要素，那就是經驗，學習的結果是行為的改變。如果人經過學習后，并沒有改變其行為，則不能稱其學習了。機器學習的概念略有不同，因為學習的主體從人變成了計算機程序。機器學習的最早的一個非正式描述是 1959年，由arthur samuel給出：field of study that gives computers the ability to learn without being explicitly programmed。機器學習是一種學習的領域，它給計算機學習的能力，而沒有經過顯式編碼。這個顯式編碼應該是針對學習的結果來說的，即計算機學到的 東西并不是人寫到程序里的，比如arthur samuel寫了一個下棋的程序，經過與程序本身對奕很多盤后，能輕易把arthur samuel擊敗，這就證明學習的結果不是顯示編碼的。機器學習的更現代的義是1998年由卡內基.梅隆大學的tom mitchell提出，這個定義還押了韻。a computer program is said to learn from experience e, with respect to some task t, and some performance measure p, if its performance on t, as measured by p, improves with experience e. 簡言之，稱計算機程序從經驗中學習了，是說它對于某個任務的性能提高了，這個性能是通過p來度量的。使用機器學習方法來解決某個任務，首先需要對這個任務選取合適的原型，如線性回歸，logistic 回歸，樸素貝葉斯，svm（支持向量機）等等，然后通過經驗來優化性能度量p。這里先來說說性能度量p。原型選擇好以后，我們需要根據一定的方法來調整原型的參數，從而達到優化性能度量p的目的。機器學習的理論很大程度上都是在講優化，如最小訓練誤差，最小均方差，最大似然率，凸集優化等。機器學習的過程，就是利用經驗，來對性能度量p最優化的過程。在實際中，我們并不知道最優是個什么樣子，機器學習的結果是對最優值的一個估計，這個估計以大概率收斂于最優值。

根據經驗的不同，機器學習可以分做以下三類：監督學習（supervised learning），無監督學習(unsupervised learning)以及增強學習(reinforcement learning)。監督學習是指在訓練經驗中明確告訴了正確結果，這就和教小孩認水果一樣，期望他在學習后能正確認出水果的`種類。先給他一個蘋果，告訴 他，這是蘋果。再給他一個蘋果，告訴他，這是蘋果。如此幾次之后，再給他一個蘋果，問他，這是什么？如果小孩悟性還好的話，就會說，”這是蘋果“。給他一 個梨，再問他，如果說”這不是蘋果“。這就表示學會了，用機器學習的術語，就叫收斂。如果答的不對，那么說明還需要繼續訓練。監督學習算法的輸出如果是連續的，稱為回歸（regression），如果是離散的，稱為分類(classification)。大部分的機器學習任務都是監督學習。無監督學習的只有訓練樣本并沒有正確結果，繼續上面那個例子，這次給小孩一堆蘋果，梨和桔子，我們不告訴他這都是些什么，只讓他把這些水果按它們的品種分開。待他分開這些 水果后，再給他一個桔子，我們期望他能把這個放到桔子那一堆。非監督學習的常用方法是聚類。最后一類是增強學習，這在機器人領域應用廣泛。比如小孩如果乖乖的坐在那吃飯，我們就說乖寶寶，如果他到處亂動，把飯吃得桌子上比碗里還多，多半就要被說好好吃飯，壞寶寶之類的。多次以后，寶寶就會發現，如果他表現聽話些，大家都會夸他，喜歡和他玩，拍拍他頭之類的，如果不聽話，就會得不到這些。寶寶就會盡量往聽話的方面表現，以得到大家的贊揚和好感，特別是做了壞事以后......這就是增強學習，我們只對程序的行為做出評價，程序就會做出更有可能得到正面評價的行為。

機器學習需要用到線性代數，概率與統計，以及一些最優化方法，如梯度（一階偏導數），拉格朗日條件極值，凸優化(convex optimizition)等。

機器學習 學結 [篇2]

有人戲稱高數是一棵高樹，很多人就掛在了上面。但是，只要努力，就能爬上那棵高樹，憑借它的高度，便能看到更遠的風景。

大部分同學都害怕高數，高數學習起來確實是不太輕松。其實，只要有心，高數并不像想象中的那么難。雖然有很多人比我學得更好，但在這里我也談談自己在培樂園補習高數（機器學習相關）的一些拙見吧。

首先，不能有畏難情緒。很多人說高數非常難學，有很多人掛科了，這基本上是事實，但是或多或少有些夸張了吧。讓我們知道高數難，雖然會讓我們對它更加重 視，但是這無疑也增加了大家對它的畏懼感，覺得自己很可能學不好它，從而失去了信心，有些人甚至把難學當做自己不去學好它的借口。事實上，當我們拋掉那些 畏難的情緒，心無旁騖地去學習高數時，它并不是那么難，至少不是那種難到學不下去的。所以，我覺得要學好高數，一定不能有畏難的情緒。當我們有信心去學好 它時，就走好了第一步。

其次，課前預習很重要。培樂園每次課前都會發預習講義，要求學員預習。其實每個人的學習習慣可能不同，有些人習慣預習，有些人覺得預習不適合自己。但對我而言，學習高數，預習是必要的。每次上新課前，把課 本上的內容仔細地預習一下，或者說先自學一下，把知識點先過一遍，能理解的先自己理解好，到課堂上時就會覺得有方向感，不會覺得茫然，并且自己預習時沒有 理解的地方在課堂上聽老師講后就能解決了，比較有針對性。另外，我一般在預習后會試著做一下課后題，只是試著做一兩道簡單的題目，找找感覺，雖然可能做不 出，但那樣會有助于理解。

然后，要把握課堂。我認為，把握好課堂對高數學習是很關鍵的。課堂上老師講的每一句話都有可能是很有用的，如果錯過了就可能會使自己以后做某些題時要走很 多彎路，甚至是死路。老師在上課時會詳細地講解知識點，所以對于我們的理解是很有幫助的，尤其是有些機器學習相關的 知識點，我們課余看一小時，也許還不如聽老師講一分鐘理解得 快。并且，老師還會講到一些要注意的但書上沒有的東西，所以課堂上最好盡量集中精神聽講，不要錯過了某些有價值的東西。

此外，要以教材為中心。雖然說“盡信書不如無書”，但是，就算教材不是完美的，我們還是要以教材為中心去學習高數。教材上包含了我們所要掌握的知識點，而 那些知識點是便是我們解題的基礎。書上的一些基本公式、定理，是我們必須掌握的。并且，書上很多原理的證明過程體現的數學思想對于我們的思維訓練是很有益 處的。我覺得，只有將教材上的基礎知識融會貫通了，把基礎打好了，知識才能穩固。也許，將書上的知識都真正理解透徹了，能夠舉一反三了，那么不用再看參考 書，不用做習題去訓練，都能以不變應萬變了。當然，做到這一點不容易，我也沒有做到。但是，把教材內容盡可能地掌握好，是絕對益處多多的。

最后，堅持做好習題。做題是必要的，但搞題海戰術就不必要了。就我的體會而言，如果只是想考試考好，不想去深入研究它的話，做好教材上的課后題和習題冊就 足夠了，當然，前提是認真地做好了。對于每一道題，有疑問的地方就要解決，不能不求甚解，盡量把每一個細節都理解好，這樣的話做好一道題就能解決很多同類 型的題了。同時，做題不能只是自己一個人冥思苦想，有時候自己的思維走進了死胡同是很難走出來的，當自己做不出來的時候，不妨問問老師或者同學，也許就能 豁然開朗了。對于做完的題目，覺得很有價值的，最好是把它摘抄到筆記本上，然后記錄一下解題的要點，分析一下題目所體現的思維方式等等，平時有時間就翻看 一下，加深一下記憶。

以上就是我個人的一些學習心得還缺乏經驗。關于高數學習，不同的人會有不同體會和見解，我的學習方法不見得會對別人都適用，但是，權當是一種學習經歷的分享吧！

【機器學習 學結】相關文章：

機器學結06-06

高中學習計劃學結06-04

大二學習委員學結06-01

對學結06-03

機器人學結06-06

工商管理學習學結06-05

日語學結11-25

對標學結06-03

對excel的學結06-03