机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
机器学习是在1990年被提出来,比人工智能(AL)晚了35年。机器学习让我们通过算法来解决一些复杂的问题。正如人工智能先驱 Arthur Samuel 在 1959 中写道的那样,机器学习是需要研究的领域,它给计算机学习的能力而不是明确地编程能力。
大多数机器学习的目标是为特定场景开发预测引擎。一个算法将接收到一个域的信息。举个例子:一个人过去观看过的电影,权衡输入做出一个有用的预测(未来想看的不同电影的概率)。
通过计算机学习的能力,通过优化任务衡量变量的可用数据,做出算法,来对未来做出准确的预测。机器通过训练学习。算法最初接收其输出是已知的示例,此时要注意其预测和正确输出之间的差异,并且调谐输入的权重以提高其预测的准确性,直到它们被优化。
因此,机器学习算法的定义特征是:它们的预测的质量会紧随着它的经验来不断地改进。
-
人工智能
+关注
关注
1789文章
46545浏览量
236823 -
机器学习
+关注
关注
66文章
8337浏览量
132255
发布评论请先 登录
相关推荐
评论