机器学习的意思

人工智慧中，使电脑能根据已往累积的经验，经归纳与综合来改进自身的性能，建立学习模式，使电脑具有智能及学习能力的学科。　　电脑可依据以往的使用记录或所输入的资料，透过不断的更正和学习使执行能力提升，这种功能称为机器学习。机器学习对于较模糊(Fuzzy)的问题有相当的助益，因为模糊性的问题所求的解答不必很明确，只要在一个值域间即可。透过学习，系统可以不断的自我更正而找出较佳的解答，如在语音辨识的研究上，透过不断的学习以提高电脑的辨识能力，可以更正确的判断出发音者所说的话。
--作者:林猷舜机器学习是以电脑系统依照自身的运作经验，自动改善其功能的软体技术。更具体的说，机器学习的目的是让电脑具备学习能力，能不断的以既有资料或运作结果回馈修正，调整其内在模型与方法，而达成最佳化的任务成果。在真实环境中运作的智慧型系统通常面临两种挑战：（1）真实环境问题中不断变动的各种可能情况，是系统设计发展者无法完全预知而事先准备好所有因应解答的；（2）系统所要处理的问题是人类不能清楚解释如何完成，如脸孔辨识，而也无法设计明确的解决步骤让电脑执行。这些困难的状况使得系统发展者无法预先设计固定的运作模式去利用电脑的执行能力，因此，发展电脑自身的学习能力成为智慧型系统不可或缺的成功要素。简单的说，电脑的学习能力就是在系统输入资料与输出决策之间，透过复杂的计算与验证过程，在某种输入与输出的对应模型中，找到一组最佳的参数组合或是让对应模型的细节具体化，能让此对应模型依照不同的输入情形而产生最正确或最恰当的输出。机器学习的技术型式至少包括以下几种：（1）关联学习：建立两种物件之间的机率关联法则。例如：客户与商品、关键词与网页等；（2）分类：建立输入资料正确归属类别的适当判读方式。例如：以信用卡申请者的各种基本资料，将其分类为高风险或低风险申请者；（3）回归分析：建立输入之自变数与输出之因变数间的适切关系模型。例如：在自动驾驶的技术中，方向盘转动的角度为输出之因变数，各种侦测装置得到的道路环境资料为输入之自变数；（4）非监督式学习：在大量未知的资料中，找到其中隐藏的结构或模式；这类技术以统计中的群集为代表。例如：依照客户的各种属性资料，以多维度的资料相似度计算为基础，将所有客户适当的分成数个群组，同群组中的客户皆有较相似的属性，而不同群组之间的客户则有较大的属性差异；（5）强化学习：在某些问题领域

相关繁体词语