使用者:P1ayer/備頁/機器學習概論

機器學習概論(Outline of machine learning),作為機器學習概述和主題指南。在計算機科學中認為,機器學習是一個軟體計算中的子領域,在人工智能從研究發展模式識別計算學習理論英語computational learning theory[1] 1959年,亞瑟·塞繆爾英語Arthur Samuel(Arthur Samuel)將機器學習定義為「一個使電腦無需明確編程即可學習的能力的研究領域」。 [2] 機器學習探索了可以學習算法的研究,和構建從數據中做出預測。 [3] 這樣的算法通過根據輸入觀測值的示例訓練集構建數學模型來進行操作,以便做出表示為輸出的數據驅動的預測或決策,而不是嚴格遵循靜態程序指令。

機器學習是什麼類型的東西?

編輯

機器學習的分支

編輯

機器學習的子領域

編輯

涉及機器學習的跨學科領域

編輯

機器學習的應用

編輯

機器學習的應用英語Machine_learning#Applications

機器學習的硬體

編輯

機器學習的工具

編輯

機器學習框架

編輯

專有的機器學習框架

編輯

開源的機器學習框架

編輯

機器學習的程式庫

編輯

機器學習的演算法

編輯

機器學習的演算法

機器學習的演算法的種類

編輯

機器學習的方法

編輯

降維

編輯

降維(Dimensionality reduction)

集成學習

編輯

集成學習(Ensemble learning)

元學習

編輯

元學習英語Meta learning (computer science)(Meta learning)

強化學習

編輯

強化學習(Reinforcement learning)

監督式學習

編輯

監督式學習(Supervised learning)

貝葉斯

編輯

貝氏統計英語Bayesian statistics(Bayesian statistics)

決策樹演算法

編輯

線性分類器

編輯

線性分類器(Linear classifier)

無監督學習

編輯

無監督學習(Unsupervised learning)

人工神經網路

編輯

人工神經網絡(Artificial neural network)

關聯規則學習

編輯

關聯規則學習英語Association rule learning(Association rule learning)

層次聚類

編輯

層次聚類英語Hierarchical clustering(Hierarchical clustering)

聚類分析

編輯

聚類分析(Cluster analysis)

異常檢測

編輯

異常檢測(Anomaly detection)

半監督學習

編輯

半監督學習英語Semi-supervised learning(Semi-supervised learning)

深度學習

編輯

深度學習(Deep learning)

其他機器學習的方法與問題

編輯

機器學習的研究

編輯

機器學習的歷史

編輯

機器學習的歷史英語Machine_learning#History_and_relationships_to_other_fields

機器學習的專案

編輯

機器學習的組織

編輯

機器學習的會議和研討會

編輯

機器學習的刊物

編輯

機器學習的相關書籍

編輯

機器學習的期刊

編輯

在機器學習有影響力的人

編輯

另見

編輯

其他

編輯

延伸導讀

編輯
  • Trevor Hastie, Robert Tibshirani and Jerome H. Friedman (2001). The Elements of Statistical Learning, Springer. ISBN 0-387-95284-5.
  • Pedro Domingos (September 2015), The Master Algorithm, Basic Books, ISBN 978-0-465-06570-7
  • Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar (2012). Foundations of Machine Learning, The MIT Press. ISBN 978-0-262-01825-8.
  • Ian H. Witten and Eibe Frank (2011). Data Mining: Practical machine learning tools and techniques Morgan Kaufmann, 664pp., ISBN 978-0-12-374856-0.
  • David J. C. MacKay. Information Theory, Inference, and Learning Algorithms Cambridge: Cambridge University Press, 2003. ISBN 0-521-64298-1
  • Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.
  • Christopher Bishop (1995). Neural Networks for Pattern Recognition, Oxford University Press. ISBN 0-19-853864-2.
  • 弗拉基米爾·萬普尼克 (1998). Statistical Learning Theory. Wiley-Interscience, ISBN 0-471-03003-1.
  • Ray Solomonoff, An Inductive Inference Machine, IRE Convention Record, Section on Information Theory, Part 2, pp., 56–62, 1957.
  • Ray Solomonoff, "An Inductive Inference Machine" A privately circulated report from the 1956 Dartmouth Summer Research Conference on AI.

參考資料

編輯
  1. ^ http://www.britannica.com/EBchecked/topic/1116194/machine-learning Template:Tertiary
  2. ^ Phil Simon. Too Big to Ignore: The Business Case for Big Data. Wiley. March 18, 2013: 89. ISBN 978-1-118-63817-0. 
  3. ^ Ron Kohavi; Foster Provost. Glossary of terms. Machine Learning. 1998, 30: 271–274. doi:10.1023/A:1007411609915 . 
  4. ^ ACL - Association for Computational Learning. 
  5. ^ Settles, Burr, Active Learning Literature Survey (PDF), Computer Sciences Technical Report 1648. University of Wisconsin–Madison, 2010 [2014-11-18] 
  6. ^ Rubens, Neil; Elahi, Mehdi; Sugiyama, Masashi; Kaplan, Dain. Active Learning in Recommender Systems. Ricci, Francesco; Rokach, Lior; Shapira, Bracha (編). Recommender Systems Handbook 2. Springer US. 2016. ISBN 978-1-4899-7637-6. doi:10.1007/978-1-4899-7637-6. hdl:11311/1006123. 

外部連結

編輯

Template:Outline footer