机器学习：让计算机从经验中进化

机器智能学习

第十九章：范例学习

样例学习指的是智能体持续从过往经验中汲取知识，优化自身决策并预判未来的机制。

当智能体通过观察外部环境来提升自身能力时，这一过程称为智能体学习。这种学习既可以是基础性的，如记录购物清单，也可以是深奥的，如爱因斯坦推演宇宙定律。若智能体为计算机，则称为机器学习：计算机通过分析数据建立模型，该模型既是对现实世界的假设，也是问题求解软件的核心组件。

为何要让机器具备学习能力？为何不直接编写完整程序一劳永逸？这背后有两大核心动因。

第一，开发者无法预测所有潜在场景。例如，迷宫导航机器人需应对未知路径；股价预测程序需适应市场波动。

第二，某些问题本身难以编程实现。如人脸识别依赖潜意识，即便顶尖程序员也无法用传统代码实现，唯有借助机器学习算法。

本章将探讨多种模型类别，涵盖决策树（19.3节）、线性模型（19.6节）、非参数模型（如最近邻）（19.7节）、集成模型（如随机森林）（19.8节），同时提供构建机器学习系统的实用指南（19.9节），并论述机器学习的理论基础（19.1节至19.5节）。

智能导读