浅析机器学习的发展与应用

器 学 习则偏实 践 ，强调 高维预 测 问题 。因此机 器 学 习研 究 者
会重点研究学习算法在计算机上执行的效率与准确性的提升。
４ ． 计算 机视觉 计算 机视觉 从 图像或 者多 维数据 中感 知的科 学 ，机器 学 习则负 责从 图像 中识别 出相关 的模 式 。随着 机器 学 习的新 领 域 深度 学 习的发展 ，大 大促进 了计 算机 图像 识别 的效 果 ，因 此 未来 计算机 视觉 界 的发展前 景不 可估 量 。例如 医学 图像 分
面 ，同时在 过去 的 １ ０ 年问 ，它们都有 了长 足的发展 ” 。 ２ ． 数 据挖掘
数据 挖掘 是指从 大量 的数 据 中分 析找 出有着 特殊 关系 性
机器 学 习与数据 挖掘 结合 得 出的结果 已运用 在各 个行业 。 因 而 当前计算 机行 业从业 者 常常把 机器学 习作 为实 现人工 智 能 的一个 捷径 ， 即以机器 学习为手段 解决人 工智能 之 中的问题 。
预期到 ２ ０ ２ ０ 年达到 ｌ 万亿个 ） 和连接设备 （ ２ ０ １ ６年为 ６ ４ 亿
个 ，预期 在 ２ ０ ２ ０年 达 到 ２ ０ ８亿个 ） 大 规模 大 范 围的使 用 。 当前 ，传 感器 与设备 每年 共生成 数百 泽字 节 的数 据 ，每秒 生 成拍 字节 的数据 。我 们通 过机器 学习从 庞 大的数 据 中提取 可
信 息的过程 ， 数 据挖掘 通过统计 、在线分 析处理 、情报检 索 、 机 器学 习 、和 模式 识别 等诸 多方法 来实 现 。数据 挖掘 仅仅 是
一
种思 考方式 ，从 数据 中找 出模式 改善 处理 过程 ，大 部分 数
３ ． 统计 学 机器 学 习 中的大量算 法来 自统计 学 。例 如支 持 向量机 算
过 多年 的发展 ，机器 学 习可 以概 括为计 算 机从海 量数 据 中 自 动分 析找 出规律 ，对 未知 数据进 行预 测 。 目前机 器学 习 已发 展 为一 门多领域 交叉 学科 。例如 它与计 算统 计学 一样都 是使 用计 算机 以实 现市场 分析 的学科 ，有 着密 不可分 的联 系 。此
法 ，就是 源 自统计 学科 。统计 学 习偏数 学 ，重 点关 注 的是 统
计 模型 的发展 与优 化 ，强调低 维 空 间问题 的统计 推 导 ；而 机
模 型进行 判断 和预测 ，无需 编译 好 的程序语 言 。从 实践 的 意
义上 来说 ，机器 学习 不是基 于编 程 因果 的逻 辑 ，而是分 析归 纳得 出趋势 的结论 。
毋庸 置疑 ，机器 学习是 当前计算 机行 业最 为火热 的话 题
之 一 。这一 概 念 由亚 瑟 ・ 塞缪尔于 １ ９ ５ ９年 提 出 ，其 定 义 经
１ ． 模 式识别 模 式 识 别 技 术 是 人 工 智 能 的 基 础 技 术 。Ｃ ｈ ｒ ｉ ｓ ｔ ｏ ｐ ｈ ｅ ｒ Ｍ．
６ ． 自然语 言处理 自然语 言处理 是－ －ｆ ｑ 集语 言学 、计算 机科 学 、数学 于一
二 、 机器学 习的相关学科与研究领 域
机器 学 习与其他 领域技 术 的结 合 ，形 成 了模 式识 别 、数 据挖 掘 、统计学 、计 算机 视觉 、语音识 别 、 自然语 言处 理 等 交叉 学科 ； 机器学 习技术 的发展促 使了智 能领域 的进步 ，改
实施 应用 的信 息 。因此 ，有 不少 学者 指 出机器学 习是 在互联 网时 代应运 而生 的。
语 音识 别技术 取得 显著 进 步 ，从 实验 室走 向消 费者 市场 。语 音 识别 技术正 逐步 成为 人机接 口的关键 技术 ， 目前 的相关 应 用 有苹果 的语 音助手 ｓ ｉ ｒ ｉ 等 。预计未 来 １ ０ 年 内 ，语 音识别 技 术 将应用 于各行各 业 。
善着 我们 的生 活方式 。
体 的科 学 ，即实 现人机 间 自然语 言通 信 。高质 量 的 自然语 言 处 理 系统 ，仍 然是 较长 期 的努力 目标 ，但 是针 对一 定应用 已
外 ，数学优 化也 为其 提供 理论 ，方法 以及应 用方 面 的支持 ；
Ｂ ｉ ｓ ｈ ｏ ｐ 在 《 Ｐ ａ ｔ ｔ ｅ ｒ ｎ Ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ Ａ ｎ ｄ Ｍ ａ ｃ ｈ ｉ ｎ ｅ Ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ 》书 中开
头 描述 道 “ 模 式识 别源 自工业 界 ，而机 器学 习来 自于计算 机 学 科 。不过 ，它们 中 的活动可 以被 视 为同一个 领 域 的两个 方
Ｅ ＸＣ ＨＡＮＧ Ｅ Ｏ Ｆ Ｅ ＸＰ Ｅ Ｒ Ｉ Ｅ ＮＣ Ｅ 经验 交流
◆陈春 霞
摘 要 ：机 器 学习可以概括 为计算机从 海量 数据 中 自 动分析 找 出规律 ，对 未知数 据进行预 测 。 目前 机 器学 习已发展 为一 门多领域 交 叉学科 。机 器 学习的优 势在 于通 过 学习数据 中的历 史关 系和趋 势 ，产 生可 靠 ，可重复 的决策和 结果 ，并发现 隐藏的见 解。 关键 词 ：机 器 学习 ；计算机 ；Fra Baidu bibliotek展及 应 用
一
、
机器学 习的概 述
据 挖掘 中的算法是 机器学 习 的算 法在数 据库 中的优化 。
机器学 习是计 算机 利用 已有 的海 量数 据 ，分 析推论 出某 种模 型 ，预测未 来 的一种 方法 。与传 统计算 机编 程相 比较 ，
机器 学习 只需要 利用 大量数 据 ，便 可得 出某 种模 型 ，再 根据
析 、人脸识 别 、工 业机器 人和无 人驾驶 汽车等 应用 。 ５ ． 语 音识别 语音 识别 将音 频处理 技术 与机 器学 习相结 合 。近年来 ，
机器学 习 的基 础离 不开数 据 ，幸 运 的是 我们 正处在 大数 据时代 。 人类 过去两 年所生 产的数据 多于人类 历史上 所创造 的数据 总和 。 这主要 是 由于传感器 （ ２ ０ １ ３ 年平均 为 １ ０ ０ 亿个 ，