《机器学习 汤姆·米切尔》(Machine Learning)

《机器学习 汤姆·米切尔》(Machine Learning)
  • 片  名  《机器学习 汤姆·米切尔》(Machine Learning)
  • 简  介  发行时间: 1997年03月01日对白语言: 英语
  • 类  别  资料
  • 小  类  计算机教程


  • 详细介绍简介: 本资源无“毒”有偶。
    杀毒软件:Symantec Antivirus
    版本:9.0.0.338
    常在服务器:Razorback 2.0
    在线时间:5:00 - 24:00
    自从计算机问世以来,人们就想知道它们能不能自我学习。如果我们理解了它们学习的内在机制,即怎样使它们根据经验来自动提高,那么影响将是空前的。想像一下,在未来,计算机能从医疗记录中学习,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。对计算机学习的成功理解将开辟出许多全新的应用领域,并使其计算能力和可定制性上升到新的层次。同时,透彻理解机器学习的信息处理算法,也会有助于更好地理解人类的学习能力及缺陷。
    目前,我们还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。关于学习的理论认识已开始逐步形成。人们开发出很多实践性的计算机程序来实现不同类型的学习,一些商业化的应用也已经出现。例如,对于语音识别这样的课题,迄今为止,基于机器学习的算法明显胜过其他的方法。在数据挖掘领域,机器学习算法理所当然地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,机器学习必将在计算机科学和技术中扮演越来越重要的角色。
    我们可以通过一些专项成果看到机器学习这门技术的现状:计算机已经能够成功地识别人类的讲话、预测肺炎患者的康复率、检测信用卡的欺诈、在高速公路上自动驾驶汽车、以接近人类世界冠军的水平对弈西洋双陆棋这样的游戏等。已有很多理论成果能够对训练样例数量、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。人类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,都取得了令人瞩目的进步。
    那么什么是机器学习呢?
    “机器学习”一般被定义为一个系统自我改进的过程,但仅仅从这个定义来理解和实现机器学习是困难的。从最初的基于神经元模型以及函数逼近论的方法研究,到以符号演算为基础的规则学习和决策树学习的产生,和之后的认知心理学中归纳、解释、类比等概念的引入,至最新的计算学习理论和统计学习的兴起,当然还包括基于马尔可夫过程的增强学习,机器学习一直都在相关学科的实践应用中起着主导作用。研究人员们借鉴了各个学科的思想来发展机器学习,但关于机器学习问题的实质究竟是什么尚无定论。不同的机器学习方法也各有优缺点,只在其适用的领域内才有良好的效果。因此,以枚举的方法描述机器学习中的各个理论和算法可能是最合适的途径。
    《机器学习》一书正是以这种途径来介绍机器学习的。其主要涵盖了目前机器学习中各种实用的理论和算法,包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题,作者不仅进行了十分详尽和直观的解释,还给出了实用的算法流程。此外,书中还包括一章对学习算法的精度进行实验评估的内容。书后的习题和参考文献提供了进一步思考相关问题的线索,在附录的网址上,读者也可以找到关于该书的讲演幻灯片、例子程
  • 《机器学习 汤姆·米切尔》(Machine Learning)_large