机器学习(Machine Learning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式， 并将现有内容进行知识结构划分来有效提高学习效率。本专栏将以学习笔记形式对《机器学习》的重点基础知识进行总结整理，欢迎大家一起学习交流！
专栏链接：《机器学习》学习笔记
机器学习是从人工智能中产生的一个重要学科分支，是实现智能化的关键
机器学习过程
机器学习、数据库、数据挖掘之间的关系
机器学习应用
互联网搜索、自动汽车驾驶、画作鉴别、古文献修复……
机器学习发展
机器学习源自“人工智能”
达特茅斯会议标志着人工智能这一学科的诞生
第一阶段：推理期（1956-1960s: Logic Reasoning）
主要成就: 自动定理证明系统 (例如，西蒙与纽厄尔的“Logic Theorist”系统）
第二阶段：知识期（1970s -1980s: Knowledge Engineering）
主要成就: 专家系统 (例如，费根鲍姆等人的“DENDRAL”系统)
第三阶段：学习期（1990s -now: Machine Learning）
机器学习是作为“突破知识工程瓶颈”之利器而出现的
恰好在20世纪90年代中后期，人类发现自己淹没在数据的汪洋中，对自动数据分析技术——机器学习的需求日益迫切
今天的“机器学习”已经是一个 广袤的学科领域
收集、传输、存储大数据的目的，是为了“利用”大数据。没有机器学习技术分析大数据，“利用”无从谈起。
机器学习基本术语
其他相关概念
学习过程☞在所有假设(hypothesis)组成的空间中进行搜索的过程
目标: 找到与训练集“匹配”(fit)的假设
版本空间(version space)：与训练集一致的假设集合
归纳偏好(inductive bias)：机器学习算法在学习过程中对某种类型假设的偏好
任何一个有效的机器学习算法必有其偏好
学习算法的归纳偏好是否与问题本身匹配， 大多数时候直接决定了算法能否取得好的性能！
欢迎留言，一起学习交流~~~
感谢阅读
END
