机器学习的定义
立即下载
老夫的少女心
2026-05-18
学习
数据
机器
挖掘
识别
模式
统计
学科
计算机
金子
938.8 KB
.
.
机器学习的定义
从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程
无法完成的功能的方法。但从实践的意义上来说， 机器学习是一种通过利用数据，
训练出模型，然后使用模型预测的一种方法。
机器学习的范围
其实，机器学习跟模式识别，统计学习，数据挖掘，计算机视觉，语音识别，自然语言处理
等领域有着很深的联系。
从范围上来说，机器学习跟模式识别，统计学习，数据挖掘是类似的，同时，机器学习与其
他领域的处理技术的结合， 形成了计算机视觉、 语音识别、 自然语言处理等交叉学科。 因此，
一般说数据挖掘时， 可以等同于说机器学习。 同时，我们平常所说的机器学习应用，应该是
通用的，不仅仅 模式识别
模式识别 =机器学习。两者的主要区别在于前者是从工业界发展起来的概念，后
者则主要源自计算机学科。在著名的《 Pattern Recognition And Machine
Learning 》这本书中， Christopher M. Bishop 在开头是这样说的“模式识别源
自工业界，而机器学习来自于计算机学科。 不过，它们中的活动可以被视为同一
个领域的两个方面，同时在过去的 10年间，它们都有了长足的发展”。
数据挖掘
数据挖掘 =机器学习 +数据库。这几年数据挖掘的概念实在是太耳熟能详。 几乎等
同于炒作。但凡说数据挖掘都会吹嘘数据挖掘如何如何， 例如从数据中挖出金子，
以及将废弃的数据转化为价值等等。 但是，我尽管可能会挖出金子， 但我也可能
挖的是“石头”啊。这个说法的意思是，数据挖掘仅仅是一种思考方式，告诉我
们应该尝试从数据中挖掘出知识， 但不是每个数据都能挖掘出金子的， 所以不要
神话它。一个系统绝对不会因为上了一个数据挖掘模块就变得无所不能 (这是
IBM最喜欢吹嘘的 )，恰恰相反，一个拥有数据挖掘思维的人员才是关键，而且
他还必须对数据有深刻的认识，这样才可能从数据中导出模式指引业务的改善。
大部分数据挖掘中的算法是机器学习的算法在数据库中的优化。
统计学习
统计学习近似等于机器学习。 统计学习是个与机器学习高度重叠的学科。 因为机
器学习中的大多数方法来自统计学， 甚至可以认为，统计学的发展促进机器学习
的繁荣昌盛。例如著名的支持向量机算法， 就是源自统计学科。
学习/数据/机器/挖掘/识别/模式/统计/学科/计算机/金子/
学习/数据/机器/挖掘/识别/模式/统计/学科/计算机/金子/
-->