機器學習(Machine Learning)是一門多學科交叉專業，涵蓋概率論知識，統計學知識以及複雜算法知識，使用計算機作爲工具並致力於真實實時的模擬人類學習方式， 並將現有內容進行知識結構劃分來有效提高學習效率。本專欄將以學習筆記形式對《機器學習》的重點基礎知識進行總結整理，歡迎大家一起學習交流！
專欄鏈接：《機器學習》學習筆記
機器學習是從人工智能中產生的一個重要學科分支，是實現智能化的關鍵
機器學習過程
機器學習、數據庫、數據挖掘之間的關係
機器學習應用
互聯網搜索、自動汽車駕駛、畫作鑑別、古文獻修復……
機器學習發展
機器學習源自“人工智能”
達特茅斯會議標誌着人工智能這一學科的誕生
第一階段：推理期（1956-1960s: Logic Reasoning）
主要成就: 自動定理證明系統 (例如，西蒙與紐厄爾的“Logic Theorist”系統）
第二階段：知識期（1970s -1980s: Knowledge Engineering）
主要成就: 專家系統 (例如，費根鮑姆等人的“DENDRAL”系統)
第三階段：學習期（1990s -now: Machine Learning）
機器學習是作爲“突破知識工程瓶頸”之利器而出現的
恰好在20世紀90年代中後期，人類發現自己淹沒在數據的汪洋中，對自動數據分析技術——機器學習的需求日益迫切
今天的“機器學習”已經是一個 廣袤的學科領域
收集、傳輸、存儲大數據的目的，是爲了“利用”大數據。沒有機器學習技術分析大數據，“利用”無從談起。
機器學習基本術語
其他相關概念
學習過程☞在所有假設(hypothesis)組成的空間中進行搜索的過程
目標: 找到與訓練集“匹配”(fit)的假設
版本空間(version space)：與訓練集一致的假設集合
歸納偏好(inductive bias)：機器學習算法在學習過程中對某種類型假設的偏好
任何一個有效的機器學習算法必有其偏好
學習算法的歸納偏好是否與問題本身匹配， 大多數時候直接決定了算法能否取得好的性能！
歡迎留言，一起學習交流~~~
感謝閱讀