跳转到内容

用户:P1ayer/备页/机器学习概论

本页使用了标题或全文手工转换
维基百科,自由的百科全书

机器学习概论(Outline of machine learning),作为机器学习概述和主题指南。在计算机科学中认为,机器学习是一个软体计算中的子领域,在人工智能从研究发展模式识别计算学习理论英语computational learning theory[1] 1959年,亚瑟·塞缪尔英语Arthur Samuel(Arthur Samuel)将机器学习定义为“一个使电脑无需明确编程即可学习的能力的研究领域”。 [2] 机器学习探索了可以学习算法的研究,和构建从数据中做出预测。 [3] 这样的算法通过根据输入观测值的示例训练集构建数学模型来进行操作,以便做出表示为输出的数据驱动的预测或决策,而不是严格遵循静态程序指令。

机器学习是什么类型的东西?

[编辑]

机器学习的分支

[编辑]

机器学习的子领域

[编辑]

涉及机器学习的跨学科领域

[编辑]

机器学习的应用

[编辑]

机器学习的应用英语Machine_learning#Applications

机器学习的硬体

[编辑]

机器学习的工具

[编辑]

机器学习框架

[编辑]

专有的机器学习框架

[编辑]

开源的机器学习框架

[编辑]

机器学习的程式库

[编辑]

机器学习的演算法

[编辑]

机器学习的演算法

机器学习的演算法的种类

[编辑]

机器学习的方法

[编辑]

降维

[编辑]

降维(Dimensionality reduction)

集成学习

[编辑]

集成学习(Ensemble learning)

元学习

[编辑]

元学习英语Meta learning (computer science)(Meta learning)

强化学习

[编辑]

强化学习(Reinforcement learning)

监督式学习

[编辑]

监督式学习(Supervised learning)

贝叶斯

[编辑]

贝氏统计英语Bayesian statistics(Bayesian statistics)

决策树演算法

[编辑]

线性分类器

[编辑]

线性分类器(Linear classifier)

无监督学习

[编辑]

无监督学习(Unsupervised learning)

人工神经网路

[编辑]

人工神经网络(Artificial neural network)

关联规则学习

[编辑]

关联规则学习英语Association rule learning(Association rule learning)

层次聚类

[编辑]

层次聚类英语Hierarchical clustering(Hierarchical clustering)

聚类分析

[编辑]

聚类分析(Cluster analysis)

异常检测

[编辑]

异常检测(Anomaly detection)

半监督学习

[编辑]

半监督学习英语Semi-supervised learning(Semi-supervised learning)

深度学习

[编辑]

深度学习(Deep learning)

其他机器学习的方法与问题

[编辑]

机器学习的研究

[编辑]

机器学习的历史

[编辑]

机器学习的历史英语Machine_learning#History_and_relationships_to_other_fields

机器学习的专案

[编辑]

机器学习的组织

[编辑]

机器学习的会议和研讨会

[编辑]

机器学习的刊物

[编辑]

机器学习的相关书籍

[编辑]

机器学习的期刊

[编辑]

在机器学习有影响力的人

[编辑]

另见

[编辑]

其他

[编辑]

延伸导读

[编辑]
  • Trevor Hastie, Robert Tibshirani and Jerome H. Friedman (2001). The Elements of Statistical Learning, Springer. ISBN 0-387-95284-5.
  • Pedro Domingos (September 2015), The Master Algorithm, Basic Books, ISBN 978-0-465-06570-7
  • Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar (2012). Foundations of Machine Learning, The MIT Press. ISBN 978-0-262-01825-8.
  • Ian H. Witten and Eibe Frank (2011). Data Mining: Practical machine learning tools and techniques Morgan Kaufmann, 664pp., ISBN 978-0-12-374856-0.
  • David J. C. MacKay. Information Theory, Inference, and Learning Algorithms Cambridge: Cambridge University Press, 2003. ISBN 0-521-64298-1
  • Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.
  • Christopher Bishop (1995). Neural Networks for Pattern Recognition, Oxford University Press. ISBN 0-19-853864-2.
  • 弗拉基米尔·万普尼克 (1998). Statistical Learning Theory. Wiley-Interscience, ISBN 0-471-03003-1.
  • Ray Solomonoff, An Inductive Inference Machine, IRE Convention Record, Section on Information Theory, Part 2, pp., 56–62, 1957.
  • Ray Solomonoff, "An Inductive Inference Machine" A privately circulated report from the 1956 Dartmouth Summer Research Conference on AI.

参考资料

[编辑]
  1. ^ http://www.britannica.com/EBchecked/topic/1116194/machine-learning Template:Tertiary
  2. ^ Phil Simon. Too Big to Ignore: The Business Case for Big Data. Wiley. March 18, 2013: 89. ISBN 978-1-118-63817-0. 
  3. ^ Ron Kohavi; Foster Provost. Glossary of terms. Machine Learning. 1998, 30: 271–274. doi:10.1023/A:1007411609915可免费查阅. 
  4. ^ ACL - Association for Computational Learning. 
  5. ^ Settles, Burr, Active Learning Literature Survey (PDF), Computer Sciences Technical Report 1648. University of Wisconsin–Madison, 2010 [2014-11-18] 
  6. ^ Rubens, Neil; Elahi, Mehdi; Sugiyama, Masashi; Kaplan, Dain. Active Learning in Recommender Systems. Ricci, Francesco; Rokach, Lior; Shapira, Bracha (编). Recommender Systems Handbook 2. Springer US. 2016. ISBN 978-1-4899-7637-6. doi:10.1007/978-1-4899-7637-6. hdl:11311/1006123. 

外部链接

[编辑]

Template:Outline footer