机器学习(一)简介

       机器学习理论已经在很早都有提出，可是机器学习火起来却是在近几年，随着一些流行的脚本语言的产生，如Go语言，Python语言，R语言等等语言的诞生，也更加促进了机器学习的发展进程。在我国BAT是机器学习的领头羊，其中百度是我最喜欢的一个企业，它的百度深度学习研究院也是我作为一个刚刚入门机器学习的学生狗的梦想。作为好莱坞大片中，里面有好多机器学习的体现，最著名的就是我喜欢的电影《终结者》，里面很好的展现了机器学习的广泛应用。

        在现实机器学习的应用也越来越广泛：比如我们在某东某猫某宝等等上面消费，网页的左右两端都会根据我们近期的消费或者浏览过的网页给我们推荐东西或者广告，这都是用了机器学习的智能推荐系统；其中谷歌、百度的自动驾驶汽车也是体现了机器学习的强大之处；有些公司或者机构也会用到人脸的识别（机器学习的经典之作，识别率几乎和人的大脑识别率一样高了），这都是机器学习的广泛应用。语音识别、自动驾驶、语言翻译、无人机、识别垃圾邮件、计算机视觉识别等等都体现了机器学习的应用。所以机器学习越来越火。说了那么多机器学习的应用，下面来说一说机器学习的发展史以及它的概念及定义等学术性高大上的上的了桌面的东西。

        机器学习英文名字是machine  learning  简称ML。

        机器学习的概念：机器学习是多领域交叉学科，设计概率论、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，以获取新的知识或者技能，重新组织已有的知识结构使之不断改善自身的性能。

       机器学习的定位：机器学习是人工智能的核心，它是使我们的计算机具有智能的根本途径，它的应用遍及了人工智能的各个领域，它主要使用了归纳、综合而不是演绎。

       机器学习的定义：机器学习是探究和开发一系列的算法来如何让计算机不需要通过外部明显的指示，而是可以自己通过以往的数据来学习、建模、并且利用已经建立好的模型，对新输入的数据进行科学的预测，作出合理的反应。  机器学习是用数据或者以往的经验，以此来优化计算机程序的性能标准。

         Arthur Samuel 在1959说过一句有关机器学习的话: 一门不需要通过外部程序指示而让计算机有能力自我学习的学科。

         Langley在1996说了关于机器学习的定义 ： “机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”

        Tom Michell (1997):  “机器学习是对能通过经验自动改进的计算机算法的研究”

        机器学习的一种英文定义（PS高大上）：A Computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if it's performance at tasks in T, as measured by P, improves with experience E.  (ps中文意思：计算机具有学习能力就是说：对来自于经验E和一系列的任务T（task）和一定的表现的衡量P，如果随之经验E的积累，针对定义好的任务T可以提高表现P。）

        机器学习的发展史：它大致可以分为4个时期：

        第一阶段热烈时期：20世纪50年代中叶到60年代中叶；我们常说的头脑发热阶段，一个新事物在科学怪才们头脑产生。

        第二阶段冷静时期：20世纪60年代中叶到70年代中叶；我们常说的头脑冷静阶段，开始考虑遇到的一些瓶颈问题。

        第三阶段复兴时期：20世纪70年代中叶到80年代中叶；我们常说的恢复自信阶段，重新拾起自己的想法。

        第四阶段发展时期：1986年至今，尤其是最近10年机器学习发展的脚步尤其迅速，并广泛应用于各个领域，开始走入我们平常人的眼中。机器学习已经慢慢走入高校，一些本科生都开始学习机器学习，研究生每个实验室都要沾点机器学习；结合各种学习方法，取长补短的的多种形式的学习系统正在慢慢兴起；机器学习和人工智能的各种基础性问题达到统一观点；各种学习方法的应用不断扩大，一部分已经应用于商品、医疗、交通等系统；国内外关于机器学习的学术交流异常活跃。

        深度学习（Deep Learning简称DL）又是在机器学习而上发展起来的一个新的领域它是由以人人的大脑结构为启发的神经网络算法为起源再加之模型结构的深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。

      其概念由著名科学家Geoffrey Hinton等人在2006年和2007年在《Sciences》等上发表的文章被提出和兴起。

      深度学习作用：

      深度学习，作为机器学习中延伸出来的一个领域，被应用在图像处理与计算机视觉，自然语言处理以及语音识别等领域。自2006年至今，学术界和工业界合作在深度学习方面的研究与应用在以上领域取得了突破性的进展。以ImageNet为数据库的经典图像中的物体识别竞赛为例，击败了所有传统算法，取得了前所未有的精确度。

      深度学习目前代表性的学术机构和公司：

     学校以多伦多大学，纽约大学，斯坦福大学为代表，工业界以Google, Facebook, 和百度为代表走在深度学习研究与应用的前沿。Google挖走了Hinton，Facebook挖走了LeCun，百度硅谷的实验室挖走了Andrew Ng，Google去年4月份以超过5亿美金收购了专门研究深度学习的初创公司DeepMind, 深度学习方因技术的发展与人才的稀有造成的人才抢夺战达到了前所未有激烈的程度。

      深度学习如今和未来将对我们生活造成的影响：

     目前我们使用的Android手机中google的语音识别，百度识图，google的图片搜索，都已经使用到了深度学习技术。Facebook在去年名为DeepFace的项目中对人脸识别的准备率第一次接近人类肉眼（97.25% vs 97.5%)。大数据时代，结合深度学习的发展在未来对我们生活的影响无法估量。保守而言，很多目前人类从事的活动都将因为深度学习和相关技术的发展被机器取代，如自动汽车驾驶，无人飞机，以及更加职能的机器人等。深度学习的发展让我们第一次看到并接近人工智能的终极目标。

     其最根本的来说机器学习与深度学习就是根据大量的实验数据得出的一种可以用数学这门最伟大最优美的语言来总结出来的具有高度抽象性的规律。