机械学习（机器学习算法）

本篇文章给大家谈谈机械学习，机械机器以及机器学习算法对应的学习学习知识点，希望对各位有所帮助，算法不要忘了收藏本站喔。机械机器

机器学习的分类

机器学习的分类主要有学习策略、学习方法、算法数据形式。机械机器学习目标等。学习学习

从学习策略方面来看，算法如果比较严谨的机械机器讲，那就是学习学习可分为两种：

(1) 模拟人脑的机器学习

符号学习：模拟人脑的宏现心理级学习过程，以认知心理学原理为基础，算法以符号数据为输入，机械机器以符号运算为方法，学习学习用推理过程在图或状态空间中搜索，算法学习的目标为概念或规则等。符号学习的典型方法有记忆学习、示例学习、演绎学习.类比学习、解释学习等。

神经网络学习(或连接学习)：模拟人脑的微观生理级学习过程，以脑和神经科学原理为基础，以人工神经网络为函数结构模型，以数值数据为输人，以数值运算为方法，用迭代过程在系数向量空间中搜索，学习的目标为函数。典型的连接学习有权值修正学习、拓扑结构学习。

(2) 直接采用数学方法的机器学习

主要有统计机器学习。

统计机器学习是基于对数据的初步认识以及学习目的的分析，选择合适的数学模型，拟定超参数，并输入样本数据，依据一定的策略，运用合适的学习算法对模型进行训练，最后运用训练好的模型对数据进行分析预测。

统计机器学习三个要素：

模型(model)：模型在未进行训练前，其可能的参数是多个甚至无穷的，故可能的模型也是多个甚至无穷的，这些模型构成的集合就是假设空间。

策略(strategy)：即从假设空间中挑选出参数最优的模型的准则。模型的分类或预测结果与实际情况的误差(损失函数)越小，模型就越好。那么策略就是误差最小。

算法(algorithm)：即从假设空间中挑选模型的方法(等同于求解最佳的模型参数)。机器学习的参数求解通常都会转化为最优化问题，故学习算法通常是最优化算法，例如最速梯度下降法、牛顿法以及拟牛顿法等。

如果从学习方法方面来看的话，主要是归纳学习和演绎学习以及类比学习、分析学习等。

如果是从学习方式方面来看，主要有三种，为监督学习、无监督学习、 强化学习。

当从数据形式上来看的话，为 结构化学习、非结构化学习、

还可从学习目标方面来看，为 概念学习、规则学习、函数学习、类别学习、贝叶斯网络学习。

什么是机械学习

机械学习是一种单纯依靠记忆学习材料，而避免去理解其复杂内部和主题推论的学习方法。平时多称为死记、死背或死记硬背。

由 美国 心理学家奥苏伯尔提出，与 有意义学习相对的概念，指符号所代表的新知识与学习者认知结构中已有的知识建立非实质性的和人为的联系。如学生仅能记住乘法口诀表，形成机械的联想，但并不真正理解这些符号所代表的知识。

机械学习的成因

学习材料本身缺乏逻辑意义；

学生的认知结构中缺乏与新知识相联系的知识准备；

学生缺乏有意义学习的心向，不求甚解；

如何避免不必要的机械学习

设计教材；

进行后继学习时以学生先前获得的认知结构中的适当观念为基础；

激发学生进行有意义学习的动机，以理解作为评价的重点；

机械学习和有意义学习的区别

机械学习和有意义学习的区别在于心理机制以及条件不同，如下

1.机械学习的心理机制是联想；有意义学习的心理机制是同化。

2.机械学习是在学习者原有知识的基础上用来同化新知识的适当观念；有意义学习是知识符号在学习者头脑中引起的心理意义；机械学习是指符号所代表的新知识与学习者认知结构中已有的知识建立非实质性的和人为的联系。

扩展资料

机械学习是新知识与学习者认知结构中已有的知识建立起非实质性的和人为的联系，即对任意的（或人为的）和字面的联系获得的过程。

机械学习在无意义材料的学习中是常见的和必要的，但是在学习和记忆有逻辑意义的材料时要努力避免进行机械学习；有时对无意义材料可以采用人为赋予意义的策略，建立一些人为的联想来帮助记忆。

有意义学习是符号所代表的新知识与学习者认知结构中已有的适当概念建立非人为的，实质性联系的过程。

参考资料来源

百度百科-有意义学习

百度百科-机械学习

机械学习的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于机器学习算法、机械学习的信息别忘了在本站进行查找喔。