機器學習的目的介紹如下:
機器學習的目的:致力於研究如何通過計算的手段,利用經驗改善系統自身的性能。
機器學習的目標:使學得的模型能很好地適用於“新樣本”,而不僅僅是在訓練樣本上工作的很好。(學得模型適用於新樣本的能力成為“泛化(generalization)”能力)
機器學習研究的主要內容:計算機系統中 “經驗” 常以 “數據” 形式存在,所以機器學習研究關於在計算機上從數據中產生“模型”的算法,即“學習算法”。
機器學習是壹門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。
它是人工智能核心,是使計算機具有智能的根本途徑。
機器學習是研究怎樣使用計算機模擬或實現人類學習活動的科學,是人工智能中最具智能特征,最前沿的研究領域之壹。自20世紀80年代以來,機器學習作為實現人工智能的途徑,在人工智能界引起了廣泛的興趣,特別是近十幾年來,機器學習領域的研究工作發展很快,它已成為人工智能的重要課題之壹。
機器學習不僅在基於知識的系統中得到應用,而且在自然語言理解、非單調推理、機器視覺、模式識別等許多領域也得到了廣泛應用。壹個系統是否具有學習能力已成為是否具有“智能”的壹個標誌。
機器學習的研究主要分為兩類研究方向:第壹類是傳統機器學習的研究,該類研究主要是研究學習機制,註重探索模擬人的學習機制;第二類是大數據環境下機器學習的研究,該類研究主要是研究如何有效利用信息,註重從巨量數據中獲取隱藏的、有效的、可理解的知識。