关于机器学习的三个阶段

机器学习是一门多领域的交叉学科，涉及概率论、统计学、接近论、突出分析、算法复杂性理论等学科。研究计算机如何模拟或实现人类的学习行为，以获得新的知识或技能，重组现有的知识结构，不断提高其性能。以下就是为大家带来的关于机器学习的三个阶段。

关于机器学习的三个阶段

一，第一阶段是从20世纪50年代中叶到60年代中叶，主要研究知识学习。这种方法主要研究系统的执行能力。在此期间，系统反馈的数据主要通过改变机器的环境及其相应的性能参数来检测，就像给系统一个程序。通过改变它们的自由空间功能，系统会受到程序的影响，改变自己的组织。最后，系统会选择最好的环境生存。在此期间，最具代表性的研究是Samuet的下棋程序。但是这种机器学习方法远远不能满足人类的需求。

二，从20世纪60年代中叶到70年代中叶，第二阶段主要研究将各个领域的知识植入系统。这一阶段的目的是通过机器模拟人类学习的过程。同时，系统描述了图形结构及其逻辑结构的知识。在这个阶段，有代表性的工作包括Hayes-Roth和Winson的结构学习系统方法。

三，从20世纪70年代中叶到80年代中叶，第三阶段被称为复兴时期。在此期间，人们从学习单一概念扩展到学习多个概念，探索不同的学习策略和方法，并开始将学习系统与各种应用程序结合起来，取得了巨大的成功。同时，对知识获取的需求也极大地刺激了机器学习的研究和发展。

机器学习实际上已经存在了几十年或几个世纪。可以追溯到17世纪，贝叶斯、拉普拉斯对最小二乘法的推导和马尔可夫链构成了广泛应用于机器学习的工具和基础。以上就是为大家带来的关于机器学习的三个阶段。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。