一、什么是機器學習 周志華

醫學診斷、檢測信用卡欺詐、證券市場分析。訓練集中的目標是由人標注的，③ 強化學習，以下分別介紹這三種方法的區別？

廣義來說，有三種機器學習算法：① 監督式學習，② 非監督式學習首先關注什么是機器學習？

機器學習有下面幾種定義：

機器學習是一門人工智能的科學。這個算法訓練機器進行決策。它是這樣工作的：機器被放在一個能讓它通過反復試錯來訓練自己的環境中。機器從過去的經驗中進行學習，并且嘗試利用了解最透徹的知識作出精確的判斷。

強化學習的例子有，當新的數據到來時，可以根據這個函數預測結果、語音和手寫識別：通過觀察來學習做成如何的動作。每個動作都會對環境有所影響，學習對象根據觀察到的周圍環境的反饋來做出判斷，該領域的主要研究對象是人工智能。

機器學習是用數據或以往的經驗，以此優化計算機程序的性能標準，特別是如何在經驗學習中改善具體算法的性能。

機器學習是對能通過經驗自動改進的計算機算法的研究、DNA序列測序。這種分析方式被廣泛地用來細分客戶，根據干預的方式分為不同的用戶組。

非監督式學習的例子有。常見的監督學習算法包括線性回歸分析和邏輯回歸分析。

監督式學習的例子有：線性回歸：馬爾可夫決策過程。

常見的機器學習算法有哪些。

一種經常引用的英文定義是：

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

通俗一點的解釋就是，機器學習算法可以從過去已知的數據中學習數據隱藏的規律。常見的無監督學習算法有聚類。監督學習的訓練集要求是包括輸入和輸出，也可以說是特征和目標，利用這些學習來的規律，在給定一定輸入的情況下，對未來進行預測。

機器學習的應用領域有哪些。

監督式學習

定義？

機器學習已廣泛應用于數據挖掘、計算機視覺、自然語言處理、邏輯回歸等、生物特征識別、搜索引擎。

機器學習算法的分類以及這些分類之間的區別是什么、戰略游戲和機器人等眾多領域：關聯算法和 K – 均值算法。

強化學習

定義：從給定的訓練數據集中學習出一個函數。

非監督式學習

定義：與監督學習相比，訓練集沒有人為標注的結果、隨機森林、K – 近鄰算法、決策樹

二、讀機器學習方向的博士哪個學校最好

我去年也是這個時候糾結這個問題，也是以數據挖掘為研究方向要定讀研的高校。南大的周志華很厲害，他們實驗室在數據挖掘上的研究一直被國內認可，而且很低調。

我覺得這個是首推的。數據挖掘在國內好像沒有國家重點實驗室，但是有兩個重點實驗室，分別是吉大和人大。如果你要去北京的高校，建議是中科院（自動化所和計算所），清華，北大，人大。北航和北郵的計算機都不是以數據挖掘為優勢吧，呵呵。

三、周志華的科研成果

主要從事人工智能、機器學習、數據挖掘、模式識別等領域的研究工作。主持973課題、國家自然科學基金重點項目等多項科研課題；出版著作《Ensemble Methods: Foundations and Algorithms》 一部，主編文集多部，在計算機領域一流國際期刊和頂級國際會議發表論文100余篇；獲發明專利12項。論著被五十余個國家和地區的研究人員引用逾萬次 ，H-index 54，被列入計算機領域H-index最高的前300位學者 中。獲2013年度國家自然科學二等獎（排名第一），2005、2011年度教育部自然科學一等獎（排名第一），12次獲國際期刊/會議的論文、報告或競賽獎，20余次應邀在國際學術會議做特邀大會報告。

四、數學符號，空心字母I 什么意思

這里是一個指示函數，當括號里的式子為真時，整個式子值為1，括號里的式子為假時，整個式子值為0 。

在周志華的《機器學習》（西瓜書）前面的主要符號表中有介紹。