导引
学习的概念
学习是一个人们习以为常的概念，它贯穿于人生的全过程，一个人从出生到死亡，无时不在学习之中。但究竟什么是学习，却至今仍无一个统一的定义。学习是一个人们习以为常的概念，它贯穿于人生的全过程一个人从出生到死亡，无时不在学习之中。但究竟什么是学习，却至今仍无一个统一的定义。我们可以对学习给出如下较为一般的解释:学习是一个有特定目的的知识获取和能力增长过程，其内在行为是获得知识、积累经验、发现规律等，其外部表现是改进性能、适应环境、实现自我完善等。
详细…
机器学习的概念
一般性解释:机器学习就是让机器（计算机）来模拟和实现人类的学习功能。
学科性解释:机器学习是一门研究如何利用机器模拟或实现人类学习功能的学科。
主要研究内容
- 认知模拟：通过对人类学习机理的研究和模拟，从根本上解决机器学习方面存在的种种问题。
- 理论性分析：从理论上探索各种可能的学习方法，并建立起独立于具体应用领域的学习算法。
- 面向任务的研究：根据特定任务的要求，建立相应的学习系统。
机器学习系统
- 按机器学习系统的含义：是指能够在一定程度上实现机器学习系统。
- 机器学习系统的典型定义
- 萨利斯(Saris)1973年的解释：如果一个系统能够从某个过程和环境的未知特征中学到有关信息，并且能把学到的信息用于未来的估计、分类、决策和控制，以便改进系统的性能，那么它就是学习系统
- 史密斯(Smith)1977年给出的解释：如果一个系统在与环境相互作用时，能利用过去与环境作用时得到的信息，并提高其性能，那么这样的系统就是学习系统
- 学习系统的基本要求：
- 具有适当的学习环境。所谓学习系统的环境，是指学习系统进行学习时的信息来源。
- 具有一定的学习能力。环境仅是为学习系统提供了相应的信息和条件，要从中学到知识，还必须有适当的学习方法和一定的学习能力。
- 够运用所学知识求解问题。学以致用，对人这样，对学习系统也是如此。
- 通过学习提高自身性能。提高自身性能，是学习系统应该达到的最终目标。
机器学习的类型
按学习策略来分类：即按学习中所使用的推理方法来分，可分为记忆学习、传授学习、演绎学习、归纳学习等。
按应用领域分类：专家系统学习、机器人学习、自然语言理解学习等。
按对人类学习的模拟方式：符号主义学习、连接主义学习等。下面就按这两个方面对机器学习进行介绍。
符号学习
符号学习是指学习单个符号或一组符号的意义，或者说学习符号本身代表什么。符号学习的内容是词汇学习、非语言符号（如实物、图像、图表、图形等）和事实性知识。符号学习的主要内容是词汇学习，即学习单个语言符号的意义。汉字和英语单词的学习，就属于符号学习。由于词汇所代表的事物和观念是约定俗成的，而个体最初对此一无所知，因此必须通过反复的学习来建立符号与其代表的事物之间的等值关系。
例如，儿童通过学习，可以用“苹果”或“apple”来代表他所看到的具体的苹果。
联结学习
联结学习也称神经学习，它是一种基于人工神经网络的学习方法。利用神经网络解决问题，一般分为训练和工作两个阶段。训练阶段的主要目的是要从训练样本中提取隐含知识和规律，并存储在网络中，供工作阶段解决问题使用。联结学习是指神经网络的训练过程，其主要表现为联结权值和阈值的调整…