本文总结自《机器学习理论、方法及应用》第一章 机器学习概述
[王雪松 程玉虎] [著]
1.机器学习的概念
学习是人类具有的一种重要智能行为。
总之：①学习与经验有关
②学习可以改善系统性能
③学习是一个有反馈的信息处理与控制过程
机器学习是一门研究怎样用计算机来模拟或实现人类学习活动的学科，
它是下述多门学科的交叉：
- 计算机科学
- 数学
- 心理学
- 生物学、遗传学
- 哲学
2.机器学习的发展历史
可以划分为四个阶段：
①热烈时期
②冷静时期
③复兴时期
④巅峰发展时期（当前）
3.机器学习的分类
基于学习策略的分类
- 模拟人脑的机器学习
- 符号学习
- 神经网络学习
- 直接采用数学方法的机器学习
基于学习方法的分类
- 归纳学习
- 演绎学习
- 类比学习
- 分析学习
基于学习方式的分类
- 监督学习
- 无监督学习
- 强化学习
基于数据形式的分类
- 结构化学习
- 非结构化学习
基于学习目标的分类
- 概念学习
- 示例学习
- 规则学习
- 决策树学习
- 函数学习
- 神经网络学习
- 类别学习
- 聚类分析
- 贝叶斯网络学习
- 结构学习
- 参数学习
4.机器学习的主要策略
基于神经网络的学习
- 神经网络的模型分类
-
- 神经元层次模型
- 组合式模型
- 网络层次模型
- 神经系统层次模型
-
- 前向网络
- 反馈网络
- 相互结合型网络
- 混合型网络
- 神经网络的学习
- 监督学习
- 无监督学习
- 神经网络的研究内容
进化学习
- 遗传算法
- 进化策略
- 进化规划
- 分布估计算法
强化学习
- 基于离散化方法的连续空间强化学习
- 基于函数逼近法的连续空间强化学习
PS：接下来便正式进入机器学习……