本文共 441 字，大约阅读时间需要 1 分钟。

1.基础概述

• 机器学习（Machine Learing）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
• 机器学习专门研究计算机怎样模拟或实现人类的学习行为，以便获取新的知识和技能，重新组织已有的知识结构使之不断改善自身的性能。
• 机器学习是人工智能的核心，是计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
• 机器学习使用归纳、综合而不是演绎。

2.算法分类

• 按照学习方式

  • 监督学习

    

  • 半监督学习

    

  • 无监督学习

    

  • 强化学习

    

• 按照算法相似性

  • 回归算法

    

  • 聚类算法

    

  • 降维算法

    

  • 深度学习

    

  • 集成算法

    

  • 正则化算法

    

  • 决策树算法

    

  • 贝叶斯算法

    

  • 关联规则学习

    

  • 人工神经网络

    

  • 基于核的算法

    

  • 基于实例的算法

    

3.研究内容

机器学习领域的研究工作主要围绕以下三个方面

• 面向任务的研究，研究和分析改进一组预定任务的执行性能的学习系统。
• 认知模型，研究人类学习过程并进行计算机的模拟。
• 理论分析，从理论上探索各种可能的学习方法和独立于应用领域的算法。