第一部分-机器学习基础-第二章机器学习概述
·
一、 机器学习的核心定义
-
通俗理解：让计算机从数据中自动学习规律或知识，并利用这些规律对未知情况进行预测。
-
学科定义：指一类问题（如何从观测数据中寻找规律）及其解决方法的总称。
二、 与“模式识别”的关系
-
模式识别是机器学习在早期工程领域，特别是在具体应用任务（如OCR、语音识别、人脸识别）上的称呼。
-
这些任务的特点是“对人类容易，但对编程描述困难”。
-
随着技术发展，机器学习已成为更通用、更统称的概念，涵盖了模式识别及其方法。
三、 为什么需要机器学习？—— 以手写数字识别为例
-
核心矛盾：识别手写数字对人脑来说轻而易举，但我们却无法清晰地向计算机描述“数字5长什么样”的具体规则。这使得传统编程方法（编写明确规则）几乎不可能。
-
机器学习的解决思路：放弃直接编写规则，转而采用数据驱动的方法：
-
准备：收集大量人工标注好的手写数字图片（训练数据）。
-
学习：让算法从这些数据中自动发现和总结规律（训练模型）。
-
预测：用学到的模型去识别新的手写数字。
-
-
本质类比：这个过程类似于人类的学习（通过大量例子学会概念），而不是程序的执行。
四、 总结要点
-
机器学习是为了解决那些难以通过显式编程规则来完成的复杂任务（尤其是感知类任务）而诞生的。
-
它的范式转变在于：从“告诉计算机每一步具体规则”转变为“提供计算机大量示例，让它自己总结规则”。
-
手写数字识别是经典范例，说明了机器学习如何通过从数据中学习，解决对人类而言直观但对机器而言棘手的难题。
更多推荐
7
0- 0
已为社区贡献29条内容
所有评论(0)