機器學習是一門多領域的交叉學科，涉及概率論、統計學、接近論、突出分析、算法復雜性理論等學科。研究計算機如何模擬或實現人類的學習行為，以獲得新的知識或技能，重組現有的知識結構，不斷提高其性能。以下就是小編為大家帶來的關于機器學習的三個階段。

微呼智能服務

0

0條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

暫無

合作品牌

24

關于機器學習的三個階段

       關于機器學習的三個階段

一，第一階段是從20世紀50年代中葉到60年代中葉，主要研究知識學習。這種方法主要研究系統的執行能力。在此期間，系統反饋的數據主要通過改變機器的環境及其相應的性能參數來檢測，就像給系統一個程序。通過改變它們的自由空間功能，系統會受到程序的影響，改變自己的組織。最后，系統會選擇最好的環境生存。在此期間，最具代表性的研究是Samuet的下棋程序。但是這種機器學習方法遠遠不能滿足人類的需求。

二，從20世紀60年代中葉到70年代中葉，第二階段主要研究將各個領域的知識植入系統。這一階段的目的是通過機器模擬人類學習的過程。同時，系統描述了圖形結構及其邏輯結構的知識。在這個階段，有代表性的工作包括Hayes-Roth和Winson的結構學習系統方法。

三，從20世紀70年代中葉到80年代中葉，第三階段被稱為復興時期。在此期間，人們從學習單一概念擴展到學習多個概念，探索不同的學習策略和方法，并開始將學習系統與各種應用程序結合起來，取得了巨大的成功。同時，對知識獲取的需求也極大地刺激了機器學習的研究和發展。

       機器學習實際上已經存在了幾十年或幾個世紀。可以追溯到17世紀，貝葉斯、拉普拉斯對最小二乘法的推導和馬爾可夫鏈構成了廣泛應用于機器學習的工具和基礎。以上就是小編為大家帶來的關于機器學習的三個階段。