机器学习 学结
机器学习，讨论的是如何让计算机程序进行学习。因为现实世界中有很多问题，不能通过直接编程解决，如手写数字识别，自动驾驶等。人们希望计算机程序也能像人一样，从已有的经验中进行学习，来提高它的性能。
那什么是机器学习了？首先来看什么是学习。学习的一般说法是，在经验的作用下，行为的改变。学习有一个要素，那就是经验，学习的结果是行为的改变。如果人经过学习后，并没有改变其行为，则不能称其学习了。机器学习的概念略有不同，因为学习的主体从人变成了计算机程序。机器学习的最早的一个非正式描述是 1959年，由arthur samuel给出：field of study that gives computers the ability to learn without being explicitly programmed。机器学习是一种学习的领域，它给计算机学习的能力，而没有经过显式编码。这个显式编码应该是针对学习的结果来说的，即计算机学到的 东西并不是人写到程序里的，比如arthur samuel写了一个下棋的程序，经过与程序本身对奕很多盘后，能轻易把arthur samuel击败，这就证明学习的结果不是显示编码的。机器学习的更现代的义是1998年由卡内基.梅隆大学的tom mitchell提出，这个定义还押了韵。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. 简言之，称计算机程序从经验中学习了，是说它对于某个任务的性能提高了，这个性能是通过p来度量的。使用机器学习方法来解决某个任务，首先需要对这个任务选取合适的原型，如线性回归，logistic 回归，朴素贝叶斯，svm（支持向量机）等等，然后通过经验来优化性能度量p。这里先来说说性能度量p。原型选择好以后，我们需要根据一定的方法来调整原型的参数，从而达到优化性能度量p的目的。机器学习的理论很大程度上都是在讲优化，如最小训练误差，最小均方差，最大似然率，凸集优化等。机器学习的过程，就是利用经验，来对性能度量p最优化的过程。在实际中，我们并不知道最优是个什么样子，机器学习的结果是对最优值的一个估计，这个估计以大概率收敛于最优值。
根据经验的不同，机器学习可以分做以下三类：监督学习（supervised learning），无监督学习(unsupervised learning)以及增强学习(reinforcement learning)。监督学习是指在训练经验中明确告诉了正确结果，这就和教小孩认水果一样，期望他在学习后能正确认出水果的`种类。先给他一个苹果，告诉 他，这是苹果。再给他一个苹果，告诉他，这是苹果。如此几次之后，再给他一个苹果，问他，这是什么？如果小孩悟性还好的话，就会说，”这是苹果“。给他一 个梨，再问他，如果说”这不是苹果“。这就表示学会了，用机器学习的术语，就叫收敛。如果答的不对，那么说明还需要继续训练。监督学习算法的输出如果是连续的，称为回归（regression），如果是离散的，称为分类(classification)。大部分的机器学习任务都是监督学习。无监督学习的只有训练样本并没有正确结果，继续上面那个例子，这次给小孩一堆苹果，梨和桔子，我们不告诉他这都是些什么，只让他把这些水果按它们的品种分开。待他分开这些 水果后，再给他一个桔子，我们期望他能把这个放到桔子那一堆。非监督学习的常用方法是聚类。最后一类是增强学习，这在机器人领域应用广泛。比如小孩如果乖乖的坐在那吃饭，我们就说乖宝宝，如果他到处乱动，把饭吃得桌子上比碗里还多，多半就要被说好好吃饭，坏宝宝之类的。多次以后，宝宝就会发现，如果他表现听话些，大家都会夸他，喜欢和他玩，拍拍他头之类的，如果不听话，就会得不到这些。宝宝就会尽量往听话的方面表现，以得到大家的赞扬和好感，特别是做了坏事以后......这就是增强学习，我们只对程序的行为做出评价，程序就会做出更有可能得到正面评价的行为。
机器学习需要用到线性代数，概率与统计，以及一些最优化方法，如梯度（一阶偏导数），拉格朗日条件极值，凸优化(convex optimizition)等。
机器学习 学结 [篇2]
有人戏称高数是一棵高树，很多人就挂在了上面。但是，只要努力，就能爬上那棵高树，凭借它的高度，便能看到更远的风景。
大部分同学都害怕高数，高数学习起来确实是不太轻松。其实，只要有心，高数并不像想象中的那么难。虽然有很多人比我学得更好，但在这里我也谈谈自己在培乐园补习高数（机器学习相关）的一些拙见吧。
首先，不能有畏难情绪。很多人说高数非常难学，有很多人挂科了，这基本上是事实，但是或多或少有些夸张了吧。让我们知道高数难，虽然会让我们对它更加重 视，但是这无疑也增加了大家对它的畏惧感，觉得自己很可能学不好它，从而失去了信心，有些人甚至把难学当做自己不去学好它的借口。事实上，当我们抛掉那些 畏难的情绪，心无旁骛地去学习高数时，它并不是那么难，至少不是那种难到学不下去的。所以，我觉得要学好高数，一定不能有畏难的情绪。当我们有信心去学好 它时，就走好了第一步。
其次，课前预习很重要。培乐园每次课前都会发预习讲义，要求学员预习。其实每个人的学习习惯可能不同，有些人习惯预习，有些人觉得预习不适合自己。但对我而言，学习高数，预习是必要的。每次上新课前，把课 本上的内容仔细地预习一下，或者说先自学一下，把知识点先过一遍，能理解的先自己理解好，到课堂上时就会觉得有方向感，不会觉得茫然，并且自己预习时没有 理解的地方在课堂上听老师讲后就能解决了，比较有针对性。另外，我一般在预习后会试着做一下课后题，只是试着做一两道简单的题目，找找感觉，虽然可能做不 出，但那样会有助于理解。
然后，要把握课堂。我认为，把握好课堂对高数学习是很关键的。课堂上老师讲的每一句话都有可能是很有用的，如果错过了就可能会使自己以后做某些题时要走很 多弯路，甚至是死路。老师在上课时会详细地讲解知识点，所以对于我们的理解是很有帮助的，尤其是有些机器学习相关的 知识点，我们课余看一小时，也许还不如听老师讲一分钟理解得 快。并且，老师还会讲到一些要注意的但书上没有的东西，所以课堂上最好尽量集中精神听讲，不要错过了某些有价值的东西。
此外，要以教材为中心。虽然说“尽信书不如无书”，但是，就算教材不是完美的，我们还是要以教材为中心去学习高数。教材上包含了我们所要掌握的知识点，而 那些知识点是便是我们解题的基础。书上的一些基本公式、定理，是我们必须掌握的。并且，书上很多原理的证明过程体现的数学思想对于我们的思维训练是很有益 处的。我觉得，只有将教材上的基础知识融会贯通了，把基础打好了，知识才能稳固。也许，将书上的知识都真正理解透彻了，能够举一反三了，那么不用再看参考 书，不用做习题去训练，都能以不变应万变了。当然，做到这一点不容易，我也没有做到。但是，把教材内容尽可能地掌握好，是绝对益处多多的。
最后，坚持做好习题。做题是必要的，但搞题海战术就不必要了。就我的体会而言，如果只是想考试考好，不想去深入研究它的话，做好教材上的课后题和习题册就 足够了，当然，前提是认真地做好了。对于每一道题，有疑问的地方就要解决，不能不求甚解，尽量把每一个细节都理解好，这样的话做好一道题就能解决很多同类 型的题了。同时，做题不能只是自己一个人冥思苦想，有时候自己的思维走进了死胡同是很难走出来的，当自己做不出来的时候，不妨问问老师或者同学，也许就能 豁然开朗了。对于做完的题目，觉得很有价值的，最好是把它摘抄到笔记本上，然后记录一下解题的要点，分析一下题目所体现的思维方式等等，平时有时间就翻看 一下，加深一下记忆。
以上就是我个人的一些学习心得还缺乏经验。关于高数学习，不同的人会有不同体会和见解，我的学习方法不见得会对别人都适用，但是，权当是一种学习经历的分享吧！
【机器学习 学结】相关文章：
机器学结06-06
高中学习计划学结06-04
大二学习委员学结06-01
对学结06-03
机器人学结06-06
工商管理学习学结06-05
日语学结11-25
对标学结06-03
对excel的学结06-03