机器学习及其相关算法综述

被引：564

作者：

陈凯

朱钰

机构：

[1] 中国人民大学统计学院

来源：

统计与信息论坛 | 2007年 / 05期

基金：

国家自然科学基金重点项目;

关键词：

机器学习; 有指导学习; 无指导学习; 半指导学习;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

自从计算机被发明以来,人们就想知道它能不能学习。机器学习从本质上是一个多学科的领域。它吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果。文章主要从统计学习基础的角度对机器学习的发展历程以及一些相关的常用算法进行了简要的回顾和介绍。

引用

页码：105 / 112

页数：8

共 9 条

[1]

Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

[2]

An experimental comparison of three methods for constructing ensembles of decision trees: Bagging, boosting, and randomization [J].

Dietterich, TG .

MACHINE LEARNING, 2000, 40 (02) :139-157

[3]

Text classification from labeled and unlabeled documents using EM [J].

Nigam, K ;

McCallum, AK ;

Thrun, S ;

Mitchell, T .

MACHINE LEARNING, 2000, 39 (2-3) :103-134

[4]

SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[5]

Bagging predictors [J].

Breiman, L .

MACHINE LEARNING, 1996, 24 (02) :123-140

[6]

关联规则挖掘算法及其应用研究 [J].

刘星沙 ;

谭利球 ;

熊拥军 .

计算机工程与科学, 2007, (01) :83-85+108

[7]

基于相近原则的半指导直推学习机及其增量算法 [J].

龙卫江 ;

张文修 .

应用数学学报, 2006, (04) :619-632

[8]

机器学习 [J].

刘琴 .

武汉工程职业技术学院学报, 2001, (02) :41-44

[9]

现代教育与心理测量学原理.[M].漆书青等编著;.江西教育出版社.1998,

← 1 →