机器学习

机器学习 (Machine Learning) 研究的主题是如何让计算机具备与人类同等的思考和分析能力。机器学习主要基于认知学、计算机科学，统计概率学以及信息决策学。典型的机器学习应用包括照片分类、垃圾邮件识别、自然语言处理等。最近很火热的围棋人工智能AlphaGo就是采用了深度神经网络对大量棋局进行学习，从而具备了顶尖围棋选手的水平。

机器学习的应用领域有：

• 经济学模型建立
• 图像处理和机器视觉
• 生物DNA解码
• 能源负载、使用、价格预测
• 汽车、航空和制造
• 自然语言处理
• ……

Machine Learning从其采用的学习方式来说有以下三大类：

• 监督学习 (Supervised Learning)：用于训练的数据包含已知结果（回归与分类问题）。
• 无监督学习 (Unsupervised Learning)：用于训练的数据不包含已知结果（聚类问题）。
• 强化学习 (Reinforcement Learning)：用于训练的数据不包含已知结果，但是可以用Award函数对其进行评价。

参考资料

1. 戴晓天，机器学习 | 机器学习101，云飞机器人实验室