机器学习发展历程.ppt

机器学习发展历程;连接机器学习 符号机器学习 遗传机器学习 分析机器学习;Dietterich将感知机类的连接机器学习分离出来，并根据划分机理，将其分为两种类型：统计机器学习与集成机器学习。这意味着，感知机类机器学习是重点 强调： 表示：非线性问题的线性表示 泛化：以泛化能力为基础的算法设计 ;“适应性”是控制理论中最重要的概念之一，以往在计算机科学中考虑较少 1975年，Holland首先将这个概念引入计算机科学。1990年左右，MIT的Sutton等青年计算机科学家，结合动态规划等问题，统称其为增强机器学习 这样，遗传学习成为实现增强机器学习的一种方法;尽管经过十年，符号机器学习被保留，然而，其目标和内涵已发生很大的变化 改变泛化目标为符号描述(数据挖掘)。这意味着，符号机器学习已不是与统计机器学习竞争的研究，而是一个研究目标与其不同的研究范式 ;分析机器学习所包含的类比、解释等问题对背景知识有更高的要求，这从表示到学习均需要考虑新的理论基础，在这些理论未出现之前，其淡出机器学习研究的视野是自然的;目前，统计机器学习的研究主要集中在两个要点上：;计算：非线性算法一般是NP完全的。 认识世界：只有在某个空间中可以描述为线性的世界，人们才说，这个世界已被认识(将问题变换为另一个问题) 数学方法：寻找一个映射，将非线性问题映射到线性空间，以便其可以线性表述;*;寻找具有一般意义的线性