机器学习的各种定义，你更倾向哪种定义呢？
需积分: 8 149 浏览量
2022-11-13
15:13:58
上传
评论
收藏 13KB DOCX 举报
机器学习的各种定义
第一个机器学习的定义来自于 1959 Arthur Samuel。他定义机器学习为：
Machine Learning is Field of study that gives computes the ability
to learn without being explicitly programmed.
机器学习是这样的领域，他赋予计算机学习的能力，（这种学习能力）不是通过
显著式编程获得的。其中非显著式编程是指让计算机自己总结的规律的编程方法。
第二个机器学习的定义是 1988 年 Tom Mitshell 在他的书《Machine Learning》
中提出了的，是一个比较正式的定义，具体是：
A compute program is said to learn from experience E with respect to
same task T and some performance measure P,if its performance on T,as
measured by P, improves with experience E。
一个计算程序被称为可以学习，是指它能够针对某个任务 T 和某个性能 P，从经
验 E 中学习，这种学习特点是，它在 T 上的被 P 所衡量的性能，会随着经验 E 的
增加而提高。
机器学习大师级人物吴恩达教授的教程中也出现了这两个定义，同时吴恩达教授
还指出：即使是在机器学习的专业人士中，也不存在一个被广泛认可的定义来准
确定义机器学习是什么或不是什么。
台湾李宏毅教授也给出了机器学习定义，机器学习就是让机器具有寻找一个函数
的能力。
百度百科关于机器学习的定义是：
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法
复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获
取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
在很多企业和培训班中一般采用的是百度百科关于机器学习的定义，你更倾向哪
种定义呢？
资源评论
