(201211)机器学习那些事.pdfVIP

译文 第 8 卷  第 11 期  2012 年 11 月 机器学习那些事* 作者：佩德罗·多明戈斯（Pedro Domingos） 关键词 ：机器学习 译者：刘知远 深入了解所需的 “民间知识”可推进机器学习的应用。 机器学习系统自动地从数据 至最终也没有得到理想的结果。 一个学习器将一个训练集 （train- 中学习程序。与手工编程相比， 其实这些 “民间知识”非常容易 ing set ）样例 （x ,y ）作为输入， i i 这非常吸引人。在过去的2 0 年 理解。本文的目的就是介绍这些 其中xi = (xi,1,…,xi,d)是观察到的输 中，机器学习已经迅速地在计算 知识。 入，y 是相应的输出，学习器的 i 机科学等领域普及。机器学习被 机器学习有许多不同的类 输出是一个分类器。对学习器的 用于网络搜索、垃圾邮件过滤、 型，但为了展示方便，本文将 检验就是判断它输出的分类器是 推荐系统、广告投放、信用评 主要介绍其中最常用的类型： 否能够对将来的输入样例x 输出 t 价、欺诈检测、股票交易和药物 分类。但是，本文所探讨的问 正确的y t （例如，垃圾邮件过滤 设计等应用。麦肯锡全球研究院 题适用于所有的机器学习类型。 器是否能够将训练时没有见过的 （the McKinsey Global Institute ） 一个分类器 （cl assifier ）是一个 邮件信息正确分类）。 最近一份报告指出，机器学习 系统，系统输入是一个包括若 （又称数据挖掘或者预测分析） 干离散或连续的特征值 （featur e 学习=表示+评价+ 将驱动下一轮创新[15] 。现在已经 v a l u e s ）的向量，系统输出是 优化 有几本优秀的机器学习教材书可 一个离散值，代表分类的类别 以供感兴趣的研究者和实践者使 （cl ass ）。例如，一个垃圾邮件 假设有一个应用，你认为机 用 （例如米切尔 （Mitchell ）和维 过滤器会将邮件信息分类到 “是 器学习有可能在其中发挥作用。 [16,24] 垃圾邮件”和 “不是垃圾邮件” 滕 （Witten ）等人的教材 ）。 那么，你面临的第一个问题是各 但是，成功使用机器学习所应掌 两个类别中。它的输入可以是一 种机器学习算法令人眼花缭乱。 握的大量 “民间知识”并没有出 个布尔向量x = (x ,…,x ,…,x ) ， 应挑选使用哪一个？现在有成千