虽然,在我自己一直都在做机器学习方面的研究,并总是听说统计机器学习。但为什么要叫“统计”机器学习?因为机器学习是“learn from the data”. 我们也可以将此看做是一个统计过程,然后得到一些“规律”,然后用这个“规律”去预测新输入的数据应该具有哪些属性。在机器学习中,我们建立一个数学模型后,然后通过已有数据得到模型中的参数的值,最后进行预测。
人工智能,我在本科的时候就对此很感兴趣,但是一直就不明白什么是人工智能,是否是研究一种能够像人一样思考、处理问题的机器,就称为人工智能呢?说到这里,我们得明白什么是智能, Intelligence has been defined in many different ways including, but not limited to, abstract thought, understanding, self-awareness, communication, reasoning, learning , having emotional knowledge , retaining , planning , and problem solving . 人工智能方法,目前是使用先验知识,制定一些规则集合,然后按照这个规则集合进行推理判断。这种方法,使得人工智能方法的泛化能力很弱。如果遇到的情况在规则集合中不存在处理它的方法,那么判断进入未知状态。
在前几天,看了王珏老师在中科院自动化所模式识别国家重点实验室的一个讲座的PPT(
结构+平均 ),下载自新浪共享。 王老师谈到:“机器学习抹杀了变量间的结构性,人工智能方法忽略了变量之间的条件独立关系”, 在PPT中提到了Daphne Koller的著作“概率图模型”。 这本著作试图找到这两种方法的一个好的“结合点”。 如果对此方法感兴趣可以去阅读该著作,其著作有1200多页,所以,要下大工夫去读。
最后,希望大家对能够对文中错误的地方给予指正,谢谢。
转载本文请联系原作者获取授权,同时请注明本文来自甄亮利科学网博客。 链接地址: https://blog.sciencenet.cn/blog-621576-632652.html
上一篇:
The Matrix Cook Book 下一篇:
Matrix Norms vs. Vector Norms