机器学习的概要

以下概要是对机器学习的概述和专题指导。机器学习是计算机科学中软计算的一个子领域，它是从人工智能中的模式识别和计算学习理论研究中演变而来的。1959年，阿瑟-塞缪尔（ArthurSamuel）将机器学习定义为一个研究领域，使计算机具有无需明确编程的学习能力。机器学习探索的是研究和构建能够从数据中学习并进行预测的算法。这样的算法通过从输入观察的例子训练集建立一个模型来运作，以便做出数据驱动的预测或决定，表达为输出，而不是严格遵循静态的程序指令。机器学习是什么类型的东西？一个学术学科一个科学分支一个应用科学计算机科学的一个分支人工智能的一个分支软计算的一个分支统计学的应用机器学习的分支机器学习的子领域计算学习理论-研究机器学习算法的设计和分析。

涉及机器学习的跨学科领域对抗性机器学习预测性分析量子机器学习机器人学习发展型机器人机器学习的应用机器学习的应用生物信息学生物医学信息学计算机视觉客户关系管理-数据挖掘地球科学电子邮件过滤倒立摆-平衡和均衡系统。自然语言处理（NLP）命名实体识别自动总结自动分类法构建对话系统语法检查器语言识别手写识别光学字符识别语音识别文本到语音合成（TTS）语音情感识别（SER）机器翻译问题回答语音合成文本挖掘术语频率-反文档频率（TF-IDF）文本简化模式识别面部识别系统手写识别图像识别光学字符识别语音识别推荐系统协作过滤内容-基于过滤的混合推荐系统（协作式过滤和基于内容的过滤）搜索引擎搜索引擎优化社会工程机器学习硬件图形处理单元张量处理单元视觉处理单元机器学习工具深度学习软件的比较机器学习框架专有的机器学习框架亚马逊机器学习微软Azure机器学习工作室DistBelief-被TensorFlow取xxx源机器学习框架ApacheSingaApacheMXNetCaffePyTorchmlpackTensorFlowTorchCNTKAccord.Jax机器学习库Deeplearning4jTheanoScikit-learnKeras机器学习算法Almeida-PinedarecurrentbackpropagationALOPEXBackpropagationBootstrapaggregatingCN2algorithmConstructingskilltreesDehaene-ChangeuxmodelDiffusionmapDominance-basedroughsetapproachDynamictimewarpingError-drivenlearningEvolutionarymultimodaloptimizationExclusivealgorithmFastICAForward-BackwardalgorithmGeneRecGeneticAlgorithmforRuleSetProductionGrowingself-organizingmap超基函数网络IDistanceK-nearestneighbors算法矢量输出的核方法核主成分分析LeabraLinde-Buzo-Gray算法局部离群因子逻辑学习机LogitBoost分子排列

MarkovchainMonteCarlo(MCMC)最小冗余特征选择Mixtureofexperts多核学习非负矩阵分解在线机器学习袋外误差前额叶皮质基底神经节工作记忆PVLVQ-learning二元无约束二元优化查询水平特征Quickprop径向基函数网络随机加权多数算法强化学习重复增量修剪产生的错误减少（RIPPER）Rprop基于规则的机器学习技能链稀疏PCA状态-动作-奖励-状态-动作随机梯度下降结构化kNNT分布式随机邻居嵌入时差学习唤醒-睡眠算法加权多数算法（机器学习）机器学习方法基于实例算法K-近邻算法（KNN）学习向量量化（LVQ）自组织地图（SOM）回归分析逻辑回归普通最小二乘回归（OLSR）线性回归逐步回归多变量适应性回归样条（MARS）正则化算法山脊回归最小xxx收缩和选择操作（LASSO）弹性网最小角度回归（LARS角度回归(LARS)分类器概率分类器NaiveBayes分类器二元分类器线性分类器层次分类器降维维度重构。