本文為閱讀總結個人認為書里概念性的、對本人有幫助的內容，僅供參考。

該書的一個目標是揭示機器學習的秘密。心理學家丹·諾曼創(chuàng)造了概念模型，代指為了有效利用某項技術而需要粗略掌握的知識，《終極算法》就將介紹機器學習的概念模型。該書以尋找終極算法為引，引導讀者帶著好奇閱讀。

機器學習主要有5個學派：

符號學派：將學習看作逆向演繹，并從哲學、心理學、邏輯學中尋求洞見；

聯(lián)結學派：對大腦進行逆向分析，靈感來源于神經(jīng)科學和物理學；

進化學派：再計算機上模擬進化，并利用遺傳學和進化生物學知識；

貝葉斯學派：認為學習是一種概率推理形式，理論根基在于統(tǒng)計學；

類推學派：通過對相似性判斷的外推來進行學習，并受心理學和數(shù)學做優(yōu)化的影響。

機器學習的5個學派都有自己的主算法：

符號學派：逆向演繹；

聯(lián)結學派：反向傳播；

進化學派：遺傳編程；

貝葉斯學派：貝葉斯推理；

類推學派：支持向量機。

尋找終極算法，雖然有的人認為這難以實現(xiàn)，但對機器學習領域的人來說，這個夢想賦予我們力量，促使我們夜以繼日地工作。如果存在終極算法，那么它可以通過數(shù)據(jù)學得包括過去的、現(xiàn)在的以及未來的所有知識。創(chuàng)造終極算法將是科學歷史上最偉大的進步之一。

該書的第二個目標就是幫你創(chuàng)造終極算法。

如果你的主要興趣是機器學習的商業(yè)用途，那么這本書至少能通過6中方法幫助你：

成為分析學中更精明的消費者；

充分利用你的數(shù)據(jù)專家；

減少許多數(shù)據(jù)挖掘項目的隱患；

看看如果不買手寫編碼軟件，你能讓什么進行自動操作；

降低信息系統(tǒng)的僵硬度；

期待正朝你走來的新技術。

我們身邊到處是容易達成的目標，我們理應追尋這種目標，但我們也不應忽略不遠處就有更大的目標。

本系列文章僅為《終極算法》的內容總結或提要，其中有許多內容還無法透徹領會和理解，期待在閱讀中尋找答案。持續(xù)更新...

終極算法

總結

以上是生活随笔為你收集整理的终极算法——序的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。