发帖
雷达卡
当前，这样的数据分析已经不能再依赖人工完成了，因为：1）数据量巨大；2）能做这种分析的人非常少且人工分析很昂贵。
统计学中，
从特殊的观测到一般的描述称为推断（inference），
学习称为估计（estimation）。
分类在统计学中称为判别式分析（discriminant analysis）
工程学中，分类称为模式识别（pattern recognition），方法是非参数的，且更大程度是凭借经验的。
ML与AI有关，因为智能系统应该能够适应其环境的变化。视觉、语音、机器人等应用领域都是从样本数据中学习。
电子工程领域，信号处理（signal processing）的研究使得自适应计算机视觉和语音程序出现。
隐马尔可夫模型（Hidden Markov Models, HMM）的发展对于语音识别尤其重要。
近年来，基于核的算法（如支持向量机）日趋流行。尤其适合生物信息学、NLP方面的应用。
对学习而言，好的数据表示至关重要，而核函数则是一种引进这种专家知识的好方法。
需要的不是新算法，而是大量数据实例和在这些数据上运行算法的充足计算能力。
Data Mining源于ML算法在商界海量数据上的应用。在计算机科学领域，Data Mining也称为数据库知识发现（knowledge discovery in database, KDD)
本书目标：结合所有研究领域（统计学、模式识别、神经网络信号处理、控制、AI以及Data Mining）研究重点，以给出统一的处理问题方法，并提出求解方案。
1.4 相关资源
ML的最新研究成果会发表在不同领域的会议和期刊上。ML专门的期刊有Machin Learning和Journal of Machine Learning Research。
神经网络为主的期刊有
Neural Computation、Neural Networks、IEEE Transactions on Neural Networks。统计学方面的期刊：
Annals of Statistics、Journal of the American Statistical Association。IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE模式分析与机器智能汇刊）
京公网安备 11010802022788号
