第一篇：學(xué)校培養(yǎng)的是人而非學(xué)習(xí)機(jī)器（精選）

學(xué)校培養(yǎng)的是人而非學(xué)習(xí)機(jī)器

《 中國(guó)青年報(bào) 》

前幾天，北京五中分校團(tuán)委收到了來(lái)自湖南省桑植縣團(tuán)委的感謝信。信中寫(xiě)道：“桑植縣再次收到了來(lái)自貴校初三6班湯從榕同學(xué)資助10位貧苦學(xué)生的愛(ài)心捐款，這已是我們收到的第10次捐款。湯從榕同學(xué)的愛(ài)心，讓湘西的希望女童們重返校園，快樂(lè)學(xué)習(xí)和生活，感謝學(xué)校的培養(yǎng)。”

五中分校楊春林校長(zhǎng)總是很自豪地向別人介紹這件事，因?yàn)樗X(jué)得每次提到這封信的時(shí)候，總是有一種溫暖和欣慰油然而生。這種感動(dòng)是在面對(duì)優(yōu)異的中考成績(jī)或能夠表明學(xué)校成功的各種各樣的數(shù)字時(shí)都不曾有過(guò)的。因?yàn)檫@是學(xué)校一直注重的情感教育的結(jié)晶。楊春林認(rèn)為情感教育注重的是學(xué)生內(nèi)涵的培養(yǎng)。“正心以為本，修身以為基”，“明德、知禮、向善”是學(xué)校的教育追求。學(xué)生眼中不能只有自己，要懂得愛(ài)、感恩和責(zé)任。“越聰明、越有潛質(zhì)的孩子越應(yīng)該給予他們愛(ài)和責(zé)任的教育。”這是楊春林多年教育實(shí)踐的體會(huì)。她認(rèn)為，初中教育所面對(duì)的學(xué)生，是正處于成長(zhǎng)高峰期的孩子。他們的成長(zhǎng)需要一個(gè)不斷從他律到自律的過(guò)程，需要一個(gè)全面奠定基礎(chǔ)的過(guò)程，更需要一個(gè)開(kāi)啟潛質(zhì)、發(fā)展?jié)撃艿倪^(guò)程。這就構(gòu)成了初中教育的核心任務(wù)。

而且，這個(gè)階段的教育不僅可以提升、豐滿兒童時(shí)期已形成的優(yōu)秀品質(zhì)，更是矯正和補(bǔ)救少年階段良好習(xí)慣缺失的最佳時(shí)機(jī)。這個(gè)時(shí)機(jī)稍縱即逝，一個(gè)學(xué)生如果在初中走偏，進(jìn)入以后的成長(zhǎng)階段，給予教育者矯正的機(jī)會(huì)就少了很多，這就是初中教育的責(zé)任。

“如果因?yàn)榻逃牟痪拢尯⒆映砷L(zhǎng)的最佳時(shí)機(jī)從你的手指縫中流失過(guò)去，對(duì)于教育者來(lái)說(shuō)將是最大的憾事。”楊春林說(shuō)。

在她看來(lái)，這種精致不僅是一種嚴(yán)謹(jǐn)認(rèn)真的態(tài)度，一種精致化的思維，一種精益求精的文化，更是一種對(duì)教育規(guī)律、教育本質(zhì)的尊重，對(duì)教育全過(guò)程的精心設(shè)計(jì)和對(duì)教育發(fā)展的精

準(zhǔn)把握。學(xué)校提出的目標(biāo)就是“追求精致的教育 成就每一位學(xué)生”，具體就是通過(guò)“全面性、基礎(chǔ)性、發(fā)展性”的素質(zhì)教育，努力為學(xué)生創(chuàng)設(shè)充實(shí)、愉快、生動(dòng)、活潑的校園生活。姚明在宣布退役時(shí)曾說(shuō)過(guò)，退役后他將繼續(xù)為自己所鐘愛(ài)的籃球事業(yè)培養(yǎng)籃球人，而不是只會(huì)打籃球的機(jī)器。楊春林對(duì)此非常贊同：“在學(xué)生還要憑借分?jǐn)?shù)高低來(lái)升學(xué)的背景下，作為承擔(dān)基礎(chǔ)教育重任的學(xué)校，一定要把學(xué)生作為人，而不是學(xué)習(xí)的機(jī)器來(lái)培養(yǎng)。”那么優(yōu)秀人才在成長(zhǎng)過(guò)程中哪些素質(zhì)是不可或缺的呢？楊春林認(rèn)為不是能力和知識(shí)方面的東西，而是品格、習(xí)慣、健康和積極向上的心態(tài)。因此，養(yǎng)成教育、勵(lì)志教育、情感教育組成了富于實(shí)效的初中德育體系。

今年暑假，五中分校25名學(xué)生到歐洲參加國(guó)際合唱節(jié)觀摩活動(dòng)。當(dāng)他們到盧浮宮參觀時(shí)，發(fā)現(xiàn)了一條游客須知，即18歲以下的孩子可以免費(fèi)參觀，但大會(huì)組委會(huì)已收取了學(xué)生的門(mén)票款。于是，孩子們用流利的英語(yǔ)，很禮貌地與組委會(huì)進(jìn)行交涉。在孩子們的努力下，大會(huì)組委會(huì)如數(shù)退還了所有參加活動(dòng)的18歲以下各國(guó)學(xué)生的門(mén)票款。孩子們的熱情、得體、大方得到了中外友人的贊賞。

“這也更讓我們意識(shí)到，基礎(chǔ)教育實(shí)際上還應(yīng)該培養(yǎng)能夠走向世界的學(xué)生。走向世界的學(xué)生不僅要有能力，更要有素養(yǎng)。”楊春林說(shuō)。

第二篇：機(jī)器學(xué)習(xí)報(bào)告

機(jī)器學(xué)習(xí)總結(jié)報(bào)告

劉皓冰

大部分人錯(cuò)誤地以為機(jī)器學(xué)習(xí)是計(jì)算機(jī)像人一樣去學(xué)習(xí)。事實(shí)上，計(jì)算機(jī)是死的，怎么可能像人類(lèi)一樣“學(xué)習(xí)”呢，機(jī)器學(xué)習(xí)依靠的是數(shù)學(xué)，更確切地說(shuō)是靠統(tǒng)計(jì)。

如果我們讓計(jì)算機(jī)工作，是給它一串指令，然后計(jì)算機(jī)會(huì)遵照這個(gè)指令一步步執(zhí)行下去，有因有果，非常明確。但這種方式在機(jī)器學(xué)習(xí)中是行不通的。機(jī)器學(xué)習(xí)是不會(huì)接受你輸入的指令的，它接受的是你輸入的數(shù)據(jù)。也就是說(shuō)，機(jī)器學(xué)習(xí)是一種讓計(jì)算機(jī)利用數(shù)據(jù)而不是指令來(lái)進(jìn)行各種工作的方法。這聽(tīng)起來(lái)非常不可思議，但結(jié)果上卻是非常可行的。“統(tǒng)計(jì)”思想將在你學(xué)習(xí)“機(jī)器學(xué)習(xí)”相關(guān)理念時(shí)無(wú)時(shí)無(wú)刻不伴隨，相關(guān)而不是因果的概念將是支撐機(jī)器學(xué)習(xí)能夠工作的核心概念。

依據(jù)數(shù)據(jù)所做的判斷跟機(jī)器學(xué)習(xí)的思想根本上是一致的。機(jī)器學(xué)習(xí)方法是計(jì)算機(jī)利用已有的數(shù)據(jù)(輸入)，得出了某種模型，并利用此模型預(yù)測(cè)未來(lái)(輸出)的一種方法。從數(shù)據(jù)中學(xué)得模型的過(guò)程稱為“學(xué)習(xí)”（learning）或“訓(xùn)練”（training），這個(gè)過(guò)程通過(guò)執(zhí)行某個(gè)學(xué)習(xí)算法來(lái)完成。訓(xùn)練過(guò)程中使用的數(shù)據(jù)成為“訓(xùn)練數(shù)據(jù)”（training data），其中每個(gè)樣本稱為一個(gè)“訓(xùn)練樣本”（training sample），訓(xùn)練樣本組成的集合稱為“訓(xùn)練集“（training set）。學(xué)得模型對(duì)應(yīng)了關(guān)于數(shù)據(jù)的某種潛在的規(guī)律，因此亦稱”假設(shè)“（hypothesis）；這種潛在規(guī)律自身，則稱為”真相“或”真實(shí)“（ground-truth），學(xué)習(xí)過(guò)程就是為了找出或逼近真相。模型有時(shí)也被稱為”學(xué)習(xí)器“（learner），可看作學(xué)習(xí)算法在給定數(shù)據(jù)和參數(shù)空間上的實(shí)例化。

若欲預(yù)測(cè)的是離散值則此類(lèi)學(xué)習(xí)任務(wù)被稱為“分類(lèi)”；若欲預(yù)測(cè)的是連續(xù)值則此類(lèi)學(xué)習(xí)任務(wù)稱為“回歸”；對(duì)只涉及兩個(gè)類(lèi)別的“二分類(lèi)”任務(wù)，通常稱其中一個(gè)類(lèi)為“正類(lèi)”，另一個(gè)類(lèi)為“反類(lèi)”；涉及多個(gè)類(lèi)別時(shí)，則稱為“多分類(lèi)”任務(wù)。

模型是否準(zhǔn)確依賴與數(shù)據(jù)。如果我的數(shù)據(jù)越多，我的模型就越能夠考慮到越多的情況，由此對(duì)于新情況的預(yù)測(cè)效果可能就越好。這是機(jī)器學(xué)習(xí)界“數(shù)據(jù)為王”思想的一個(gè)體現(xiàn)。一般來(lái)說(shuō)(不是絕對(duì))，數(shù)據(jù)越多，最后機(jī)器學(xué)習(xí)生成的模型預(yù)測(cè)的效果越好。

機(jī)器學(xué)習(xí)里面有非常多的經(jīng)典算法，每種算法都能形成一個(gè)模型。下面在簡(jiǎn)要介紹一下機(jī)器學(xué)習(xí)中的經(jīng)典代表方法。重點(diǎn)介紹的是這些方法內(nèi)涵的思想。

1、回歸算法 在大部分機(jī)器學(xué)習(xí)課程中，回歸算法都是介紹的第一個(gè)算法。原因有兩個(gè)：一.回歸算法比較簡(jiǎn)單，介紹它可以讓人平滑地從統(tǒng)計(jì)學(xué)遷移到機(jī)器學(xué)習(xí)中。二.回歸算法是后面若干強(qiáng)大算法的基石，如果不理解回歸算法，無(wú)法學(xué)習(xí)那些強(qiáng)大的算法。回歸算法有兩個(gè)重要的子類(lèi)：即線性回歸和邏輯回歸。

線性回歸一般使用“最小二乘法”來(lái)求解。“最小二乘法”的思想是這樣的，假設(shè)我們擬合出的直線代表數(shù)據(jù)的真實(shí)值，而觀測(cè)到的數(shù)據(jù)代表?yè)碛姓`差的值。為了盡可能減小誤差的影響，需要求解一條直線使所有誤差的平方和最小。最小二乘法將最優(yōu)問(wèn)題轉(zhuǎn)化為求函數(shù)極值問(wèn)題。函數(shù)極值在數(shù)學(xué)上我們一般會(huì)采用求導(dǎo)數(shù)為0的方法。但這種做法并不適合計(jì)算機(jī)，可能求解不出來(lái)，也可能計(jì)算量太大。計(jì)算機(jī)科學(xué)界專門(mén)有一個(gè)學(xué)科叫“數(shù)值計(jì)算”，專門(mén)用來(lái)提升計(jì)算機(jī)進(jìn)行各類(lèi)計(jì)算時(shí)的準(zhǔn)確性和效率問(wèn)題。例如，著名的“梯度下降”以及“牛頓法”就是數(shù)值計(jì)算中的經(jīng)典算法，也非常適合來(lái)處理求解函數(shù)極值的問(wèn)題。梯度下降法是解決回歸模型中最簡(jiǎn)單且有效的方法之一。

邏輯回歸是一種與線性回歸非常類(lèi)似的算法，但是，從本質(zhì)上講，線型回歸處理的問(wèn)題類(lèi)型與邏輯回歸不一致。線性回歸處理的是數(shù)值問(wèn)題，也就是最后預(yù)測(cè)出的結(jié)果是數(shù)字，例如預(yù)測(cè)一所房子大約可以買(mǎi)多少錢(qián)。而邏輯回歸屬于分類(lèi)算法，也就是說(shuō)，邏輯回歸預(yù)測(cè)結(jié)果是離散的分類(lèi)，例如判斷腫瘤是惡性還是良性等等。實(shí)現(xiàn)方面的話，邏輯回歸只是對(duì)對(duì)線性回歸的計(jì)算結(jié)果加上了一個(gè)Sigmoid函數(shù)，將數(shù)值結(jié)果轉(zhuǎn)化為了0到1之間的概率(Sigmoid函數(shù)的圖像一般來(lái)說(shuō)并不直觀，你只需要理解對(duì)數(shù)值越大，函數(shù)越逼近1，數(shù)值越小，函數(shù)越逼近0)，接著我們根據(jù)這個(gè)概率可以做預(yù)測(cè)，例如概率大于0.5，腫瘤就是惡性的等等。

2、神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)(也稱之為人工神經(jīng)網(wǎng)絡(luò)，ANN)算法是80年代機(jī)器學(xué)習(xí)界非常流行的算法，不過(guò)在90年代中途衰落。現(xiàn)在，攜著“深度學(xué)習(xí)”之勢(shì)，神經(jīng)網(wǎng)絡(luò)重裝歸來(lái)，重新成為最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一。

神經(jīng)網(wǎng)絡(luò)的誕生起源于對(duì)大腦工作機(jī)理的研究。早期生物界學(xué)者們使用神經(jīng)網(wǎng)絡(luò)來(lái)模擬大腦。機(jī)器學(xué)習(xí)的學(xué)者們使用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的實(shí)驗(yàn)，發(fā)現(xiàn)在視覺(jué)與語(yǔ)音的識(shí)別上效果都相當(dāng)好。在BP算法(加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程的數(shù)值算法)誕生以后，神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了一個(gè)熱潮。

下圖是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)。在這個(gè)網(wǎng)絡(luò)中，分成輸入層，隱藏層，和輸出層。輸入層負(fù)責(zé)接收信號(hào)，隱藏層負(fù)責(zé)對(duì)數(shù)據(jù)的分解與處理，最后的結(jié)果被整合到輸出層。每層中的一個(gè)圓代表一個(gè)處理單元，可以認(rèn)為是模擬了一個(gè)神經(jīng)元，若干個(gè)處理單元組成了一個(gè)層，若干個(gè)層再組成了一個(gè)網(wǎng)絡(luò)，也就是”神經(jīng)網(wǎng)絡(luò)”。

圖神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)

在神經(jīng)網(wǎng)絡(luò)中，每個(gè)處理單元事實(shí)上就是一個(gè)邏輯回歸模型，邏輯回歸模型接收上層的輸入，把模型的預(yù)測(cè)結(jié)果作為輸出傳輸?shù)较乱粋€(gè)層次。通過(guò)這樣的過(guò)程，神經(jīng)網(wǎng)絡(luò)可以完成非常復(fù)雜的非線性分類(lèi)。

進(jìn)入90年代，神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了一個(gè)瓶頸期。其主要原因是盡管有BP算法的加速，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程仍然很困難。因此90年代后期支持向量機(jī)(SVM)算法取代了神經(jīng)網(wǎng)絡(luò)的地位。

3、SVM（支持向量機(jī)）

支持向量機(jī)算法是誕生于統(tǒng)計(jì)學(xué)習(xí)界，同時(shí)在機(jī)器學(xué)習(xí)界大放光彩的經(jīng)典算法。

支持向量機(jī)算法從某種意義上來(lái)說(shuō)是邏輯回歸算法的強(qiáng)化：通過(guò)給予邏輯回歸算法更嚴(yán)格的優(yōu)化條件，支持向量機(jī)算法可以獲得比邏輯回歸更好的分類(lèi)界線。但是如果沒(méi)有某類(lèi)函數(shù)技術(shù)，則支持向量機(jī)算法最多算是一種更好的線性分類(lèi)技術(shù)。

但是，通過(guò)跟高斯“核”的結(jié)合，支持向量機(jī)可以表達(dá)出非常復(fù)雜的分類(lèi)界線，從而達(dá)成很好的的分類(lèi)效果。“核”事實(shí)上就是一種特殊的函數(shù)，最典型的特征就是可以將低維的空間映射到高維的空間。

上述機(jī)器學(xué)習(xí)算法均為監(jiān)督學(xué)習(xí)算法。監(jiān)督學(xué)習(xí)，就是人們常說(shuō)的分類(lèi)回歸，通過(guò)已有的訓(xùn)練樣本（即已知數(shù)據(jù)以及其對(duì)應(yīng)的輸出）去訓(xùn)練得到一個(gè)最優(yōu)模型（這個(gè)模型屬于某個(gè)函數(shù)的集合，最優(yōu)則表示在某個(gè)評(píng)價(jià)準(zhǔn)則下是最佳的），再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出。在人對(duì)事物的認(rèn)識(shí)中，我們從孩子開(kāi)始就被大人們教授這是貓啊、那是狗啊、那是桌子啊，等等。我們所見(jiàn)到的景物就是輸入數(shù)據(jù)，而大人們對(duì)這些景物的判斷結(jié)果（是房子還是鳥(niǎo)啊）就是相應(yīng)的輸出。當(dāng)我們見(jiàn)識(shí)多了以后，腦子里就慢慢地得到了一些泛化的模型，這就是訓(xùn)練得到的那個(gè)（或者那些）函數(shù)，從而不需要大人在旁邊指點(diǎn)的時(shí)候，我們也能分辨的出來(lái)哪些是貓，哪些是狗。無(wú)監(jiān)督學(xué)習(xí)則是另一種研究的比較多的學(xué)習(xí)方法，它與監(jiān)督學(xué)習(xí)的不同之處，在于我們事先沒(méi)有任何訓(xùn)練樣本，而需要直接對(duì)數(shù)據(jù)進(jìn)行建模。這聽(tīng)起來(lái)似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過(guò)程中很多處都用到了無(wú)監(jiān)督學(xué)習(xí)。比如我們?nèi)⒂^一個(gè)畫(huà)展，我們完全對(duì)藝術(shù)一無(wú)所知，但是欣賞完多幅作品之后，我們也能把它們分成不同的派別（比如哪些更朦朧一點(diǎn)，哪些更寫(xiě)實(shí)一些，即使我們不知道什么叫做朦朧派，什么叫做寫(xiě)實(shí)派，但是至少我們能把他們分為兩個(gè)類(lèi)）。無(wú)監(jiān)督學(xué)習(xí)里典型的例子就是聚類(lèi)了。聚類(lèi)的目的在于把相似的東西聚在一起，而我們并不關(guān)心這一類(lèi)是什么。因此，一個(gè)聚類(lèi)算法通常只需要知道如何計(jì)算相似度就可以開(kāi)始工作了。

那么，什么時(shí)候應(yīng)該采用監(jiān)督學(xué)習(xí)，什么時(shí)候應(yīng)該采用非監(jiān)督學(xué)習(xí)呢？一種非常簡(jiǎn)單的回答就是從定義入手，如果我們?cè)诜诸?lèi)的過(guò)程中有訓(xùn)練樣本，則可以考慮用監(jiān)督學(xué)習(xí)的方法；如果沒(méi)有訓(xùn)練樣本，則不可能用監(jiān)督學(xué)習(xí)的方法。但是事實(shí)上，我們?cè)卺槍?duì)一個(gè)現(xiàn)實(shí)問(wèn)題進(jìn)行解答的過(guò)程中，即使我們沒(méi)有現(xiàn)成的訓(xùn)練樣本，我們也能夠憑借自己的雙眼，從待分類(lèi)的數(shù)據(jù)中人工標(biāo)注一些樣本，并把他們作為訓(xùn)練樣本，這樣的話就可以把條件改善，用監(jiān)督學(xué)習(xí)的方法來(lái)做。然而對(duì)于不同的場(chǎng)景，正負(fù)樣本的分布如果會(huì)存在偏移（可能是大的偏移，也可能偏移比較小），這樣的話用監(jiān)督學(xué)習(xí)的效果可能就不如用非監(jiān)督學(xué)習(xí)了。

今天，在計(jì)算機(jī)科學(xué)的諸多分支學(xué)科領(lǐng)域中，都能找到機(jī)器學(xué)習(xí)技術(shù)的身影，尤其是在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、模式識(shí)別、自然語(yǔ)言處理等“計(jì)算機(jī)應(yīng)用技術(shù)”領(lǐng)域，機(jī)器學(xué)習(xí)已成為最重要的技術(shù)進(jìn)步源泉之一。此外，機(jī)器學(xué)習(xí)還為許多交叉學(xué)科提供了重要的技術(shù)支撐比如說(shuō)“生物信息學(xué)”。

可以說(shuō)“計(jì)算機(jī)視覺(jué)=圖像處理+機(jī)器學(xué)習(xí)“。圖像處理技術(shù)用于將圖像處理為適合進(jìn)入機(jī)器學(xué)習(xí)模型中的輸入，機(jī)器學(xué)習(xí)則負(fù)責(zé)從圖像中識(shí)別出相關(guān)的模式。計(jì)算機(jī)視覺(jué)相關(guān)的應(yīng)用非常的多，例如百度識(shí)圖、手寫(xiě)字符識(shí)別、車(chē)牌識(shí)別等等應(yīng)用。這個(gè)領(lǐng)域是應(yīng)用前景非常火熱的，同時(shí)也是研究的熱門(mén)方向。隨著機(jī)器學(xué)習(xí)的新領(lǐng)域深度學(xué)習(xí)的發(fā)展，大大促進(jìn)了計(jì)算機(jī)圖像識(shí)別的效果，因此未來(lái)計(jì)算機(jī)視覺(jué)界的發(fā)展前景不可估量。

如果說(shuō)“計(jì)算機(jī)視覺(jué)=圖像處理+機(jī)器學(xué)習(xí)“，那么”語(yǔ)音識(shí)別=語(yǔ)音處理+機(jī)器學(xué)習(xí)“。語(yǔ)音識(shí)別就是音頻處理技術(shù)與機(jī)器學(xué)習(xí)的結(jié)合。語(yǔ)音識(shí)別技術(shù)一般不會(huì)單獨(dú)使用，一般會(huì)結(jié)合自然語(yǔ)言處理的相關(guān)技術(shù)。目前的相關(guān)應(yīng)用有蘋(píng)果語(yǔ)音助手siri、微軟小娜等。

“自然語(yǔ)言處理=文本處理+機(jī)器學(xué)習(xí)“。自然語(yǔ)言處理技術(shù)主要是讓機(jī)器理解人類(lèi)的語(yǔ)言的一門(mén)領(lǐng)域。在自然語(yǔ)言處理技術(shù)中，大量使用了編譯原理相關(guān)的技術(shù)，例如詞法分析，語(yǔ)法分析等等，除此之外，在理解這個(gè)層面，則使用了語(yǔ)義理解，機(jī)器學(xué)習(xí)等技術(shù)。作為唯一由人類(lèi)自身創(chuàng)造的符號(hào)，自然語(yǔ)言處理一直是機(jī)器學(xué)習(xí)界不斷研究的方向。按照百度機(jī)器學(xué)習(xí)專家余凱的說(shuō)法“聽(tīng)與看，說(shuō)白了就是阿貓和阿狗都會(huì)的，而只有語(yǔ)言才是人類(lèi)獨(dú)有的”。如何利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行自然語(yǔ)言的的深度理解，一直是工業(yè)和學(xué)術(shù)界關(guān)注的焦點(diǎn)。

談到對(duì)數(shù)據(jù)進(jìn)行分析利用，很多人會(huì)想到“數(shù)據(jù)挖掘”（data mining）。數(shù)據(jù)挖掘領(lǐng)域在二十世紀(jì)九十年代形成，它受到很多學(xué)科領(lǐng)域的影響，其中數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)無(wú)疑影響最大。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)掘知識(shí)，這就必然涉及對(duì)“海量數(shù)據(jù)”的管理和分析。大體來(lái)說(shuō)，“數(shù)據(jù)挖掘=機(jī)器學(xué)習(xí)+數(shù)據(jù)庫(kù)“——數(shù)據(jù)庫(kù)領(lǐng)域的研究為數(shù)據(jù)挖掘提供數(shù)據(jù)管理技術(shù)，而機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)的研究為數(shù)據(jù)挖掘提供數(shù)據(jù)分析技術(shù)。由于統(tǒng)計(jì)學(xué)往往醉心于理論的優(yōu)美而忽視實(shí)際的效用，因此，統(tǒng)計(jì)學(xué)界提供的很多技術(shù)通常都要在機(jī)器學(xué)習(xí)界進(jìn)一步研究，變成有效的機(jī)器學(xué)習(xí)算法之后才能再進(jìn)入數(shù)據(jù)挖掘領(lǐng)域。從這個(gè)意義上說(shuō)，統(tǒng)計(jì)學(xué)主要是通過(guò)機(jī)器學(xué)習(xí)來(lái)對(duì)數(shù)據(jù)挖掘發(fā)揮影響，而機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)則是數(shù)據(jù)挖掘的兩大支撐技術(shù)。從數(shù)據(jù)分析的角度來(lái)看，絕大多數(shù)數(shù)據(jù)挖掘技術(shù)都來(lái)自機(jī)器學(xué)習(xí)領(lǐng)域，但機(jī)器學(xué)習(xí)研究往往并不把海量數(shù)據(jù)作為處理對(duì)象，因此，數(shù)據(jù)挖掘要對(duì)算法進(jìn)行改造，使得算法性能和空間占用達(dá)到實(shí)用的地步。同時(shí)，數(shù)據(jù)挖掘還有自身獨(dú)特的內(nèi)容，即關(guān)聯(lián)分析。

通過(guò)上面的介紹，可以看出機(jī)器學(xué)習(xí)是多么的重要，應(yīng)用是多么的廣泛。現(xiàn)隨著大數(shù)據(jù)（big data）概念的興起，機(jī)器學(xué)習(xí)大量的應(yīng)用都與大數(shù)據(jù)高度耦合，幾乎可以認(rèn)為大數(shù)據(jù)是機(jī)器學(xué)習(xí)應(yīng)用的最佳場(chǎng)景。例如經(jīng)典的Google利用大數(shù)據(jù)預(yù)測(cè)了H1N1在美國(guó)某小鎮(zhèn)的爆發(fā)、百度預(yù)測(cè)2014年世界杯結(jié)果從淘汰賽到?jīng)Q賽全部正確。這實(shí)在太神奇了，那么究竟是什么原因?qū)е麓髷?shù)據(jù)具有這些魔力的呢？簡(jiǎn)單來(lái)說(shuō)，就是機(jī)器學(xué)習(xí)技術(shù)。正是基于機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，數(shù)據(jù)才能發(fā)揮其魔力。

大數(shù)據(jù)的核心是利用數(shù)據(jù)的價(jià)值，機(jī)器學(xué)習(xí)是利用數(shù)據(jù)價(jià)值的關(guān)鍵技術(shù)，對(duì)于大數(shù)據(jù)而言，機(jī)器學(xué)習(xí)是不可或缺的。相反，對(duì)于機(jī)器學(xué)習(xí)而言，越多的數(shù)據(jù)會(huì)越可能提升模型的精確性，同時(shí)，復(fù)雜的機(jī)器學(xué)習(xí)算法的計(jì)算時(shí)間也迫切需要分布式計(jì)算與內(nèi)存計(jì)算這樣的關(guān)鍵技術(shù)。因此，機(jī)器學(xué)習(xí)的興盛也離不開(kāi)大數(shù)據(jù)的幫助。大數(shù)據(jù)與機(jī)器學(xué)習(xí)兩者是互相促進(jìn)，相依相存的關(guān)系。

機(jī)器學(xué)習(xí)與大數(shù)據(jù)緊密聯(lián)系。但是，必須清醒的認(rèn)識(shí)到，大數(shù)據(jù)并不等同于機(jī)器學(xué)習(xí)，同理，機(jī)器學(xué)習(xí)也不等同于大數(shù)據(jù)。大數(shù)據(jù)中包含有分布式計(jì)算、內(nèi)存數(shù)據(jù)庫(kù)、多維分析等等多種技術(shù)。單從分析方法來(lái)看，大數(shù)據(jù)也包含以下四種分析方法：

1.大數(shù)據(jù)，小分析：即數(shù)據(jù)倉(cāng)庫(kù)領(lǐng)域的OLAP分析思路，也就是多維分析思想。2.大數(shù)據(jù)，大分析：這個(gè)代表的就是數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)分析法。3.流式分析：這個(gè)主要指的是事件驅(qū)動(dòng)架構(gòu)。4.查詢分析：經(jīng)典代表是NoSQL數(shù)據(jù)庫(kù)。

也就是說(shuō)，機(jī)器學(xué)習(xí)僅僅是大數(shù)據(jù)分析中的一種而已。盡管機(jī)器學(xué)習(xí)的一些結(jié)果具有很大的魔力，在某種場(chǎng)合下是大數(shù)據(jù)價(jià)值最好的說(shuō)明。但這并不代表機(jī)器學(xué)習(xí)是大數(shù)據(jù)下的唯一的分析方法。

第三篇：是血管等組織而非寄生蟲(chóng)

是血管等組織而非寄生蟲(chóng)，已被多地多次辟謠，偏遠(yuǎn)地區(qū)受較大影響

“豬肉有蟲(chóng)”謠言為何反復(fù)出現(xiàn)（求證·探尋喧嘩背

后的真相）

本報(bào)記者 郝迎燦 謝振華 段宗寶

2014年11月25日04:33 來(lái)源：人民網(wǎng)－人民日?qǐng)?bào)

手機(jī)看新聞

打印網(wǎng)摘糾錯(cuò)商城分享推薦 字號(hào)

“豬肉有寄生蟲(chóng)，紅色的，比縫衣針還大！”近一個(gè)月來(lái)，貴州省黔南布依族苗族自治州12331食品藥品投訴舉報(bào)電話接連接到7起關(guān)于“豬肉有蟲(chóng)”的舉報(bào)。記者調(diào)查了解，“豬肉有蟲(chóng)”的懷疑和傳言在網(wǎng)上已經(jīng)流傳一年多，從廣西、廣東、遼寧到貴州，影響頗廣。所謂“豬肉生蟲(chóng)”是什么？面對(duì)傳言我們應(yīng)該怎么辦？“求證”欄目記者進(jìn)行了調(diào)查采訪。

傳言中的“蟲(chóng)”是什么？

實(shí)是靜脈、動(dòng)脈血管和乳腺管；豬肉寄生蟲(chóng)檢查嚴(yán)格，是屠宰檢疫必檢科目

近期大多傳言源于微信朋友圈流傳的一條“茂名孕婦買(mǎi)到有蟲(chóng)豬肉，有蟲(chóng)豬肉已經(jīng)流傳到貴州”的消息，文中提到“水煮不爛、油炸不熟、高溫殺不死”的“鉤蟲(chóng)”引發(fā)廣泛擔(dān)憂。

豬肉真的有蟲(chóng)嗎？在貴州黔東南州麻江縣回龍寺農(nóng)貿(mào)市場(chǎng)里，豬肉攤販胡師傅把網(wǎng)上所謂“寄生蟲(chóng)”直接從他攤位擺放的豬肉里“捉”出來(lái)給記者看：“這是正常的嘛，就是靜脈跟動(dòng)脈；再說(shuō)蟲(chóng)子根本不可能‘水煮不爛、油炸不熟、高溫殺不死’。”和網(wǎng)傳一樣，這些物質(zhì)細(xì)長(zhǎng)，有深紅色和肉白色，乍看很像蟲(chóng)，但橫切開(kāi)來(lái)都是空心抑或有血流出。

記者從貴州省食品藥品監(jiān)督管理局了解到，今年10月，“豬肉有蟲(chóng)”傳言先后出現(xiàn)在貴陽(yáng)、黔東南州和黔南州。當(dāng)?shù)貏?dòng)物疫病預(yù)防控制中心多次對(duì)豬肉市場(chǎng)進(jìn)行調(diào)查、化驗(yàn)，結(jié)果表明，這些疑似物體是血管和乳腺管。貴州三都縣農(nóng)村工作局動(dòng)物疫病預(yù)防控制中心獸醫(yī)師王明周說(shuō)：“這些組織結(jié)構(gòu)屬于豬的正常生理結(jié)構(gòu)。”

廣西防城港市食品安全辦相關(guān)負(fù)責(zé)人也表示，目前傳播的所謂“豬肉有蟲(chóng)”現(xiàn)象，大都屬于豬機(jī)體的神經(jīng)纖維、動(dòng)靜脈血管、淋巴管、筋腱以及肌纖維。這類(lèi)物質(zhì)有些本身就像蟲(chóng)體。

據(jù)介紹，可能寄生于豬肉的寄生蟲(chóng)主要有豬囊尾蚴和豬旋毛蟲(chóng)兩種，前者約黃豆大小，病豬的瘦肉部分會(huì)出現(xiàn)較為明顯的白點(diǎn)，后者約麥粒大小，一般用肉眼看不見(jiàn)，與網(wǎng)傳特征不符。而對(duì)這兩種寄生蟲(chóng)的檢查，是屠宰檢疫的一個(gè)必檢科目。

貴州黔南州都勻市生豬屠宰場(chǎng)檢疫員陸道勇介紹：“經(jīng)過(guò)宰前檢疫的查證驗(yàn)物、群體個(gè)體檢查、瘦肉精檢測(cè)，確保健康以后生豬才能夠進(jìn)入屠宰場(chǎng)。進(jìn)場(chǎng)以后，屠宰經(jīng)過(guò)放血，我們還要進(jìn)行頭部、胴體、肺臟檢查，全部合格以后才能夠蓋上驗(yàn)訖印章，出具合格的檢疫證明，進(jìn)入市場(chǎng)流通。”陸道勇說(shuō)，一旦發(fā)現(xiàn)問(wèn)題豬肉，將直接交由水產(chǎn)畜牧獸醫(yī)局進(jìn)行無(wú)害化處理，不會(huì)返還送宰人。工商部門(mén)也會(huì)對(duì)市場(chǎng)上銷(xiāo)售的豬肉進(jìn)行嚴(yán)格的監(jiān)督檢查。

都勻市育英巷工商分局副局長(zhǎng)楊俊扉建議，日常購(gòu)買(mǎi)豬肉最好選擇正規(guī)市場(chǎng)，注意查看攤販當(dāng)天的動(dòng)物檢疫合格證、肉品品質(zhì)檢驗(yàn)合格證和豬肉上的紅色動(dòng)物產(chǎn)品檢疫合格印章、肉品品質(zhì)檢驗(yàn)合格印章。

傳言影響有多大？

多省區(qū)流傳同版本謠言，偏遠(yuǎn)地區(qū)影響大，貴州、廣西多地豬肉銷(xiāo)量下跌

廣西河池、柳州、防城港、南寧、桂林等地也陸續(xù)出現(xiàn)“豬肉有蟲(chóng)”傳言，對(duì)豬肉市場(chǎng)造成沖擊。今年8月以來(lái)，廣西河池多家地方網(wǎng)絡(luò)交流平臺(tái)陸續(xù)出現(xiàn)羅城仫佬族自治縣、宜州市、環(huán)江毛南族自治縣、金城江區(qū)等地“豬肉有寄生蟲(chóng)”的帖子，當(dāng)?shù)刎i肉市場(chǎng)銷(xiāo)量明顯下降。

按照習(xí)俗，立冬之后貴州省大部分地區(qū)會(huì)熏制臘肉和香腸，豬肉的銷(xiāo)量也會(huì)隨之上漲。然而今年貴州很多市場(chǎng)上豬肉銷(xiāo)量不升反降。“我們家一個(gè)多月沒(méi)吃豬肉了，我老婆在微信上看見(jiàn)別個(gè)說(shuō)豬肉有蟲(chóng)，吃不得。”家住貴州黔東南州麻江縣的馬師傅說(shuō)。

受影響最大的還是豬肉攤販和養(yǎng)殖戶。“原來(lái)一天可以賣(mài)兩頭豬，現(xiàn)在半頭豬都賣(mài)不掉。”都勻市育英巷市場(chǎng)豬肉攤販周阿姨說(shuō)，以往一頭豬可以賺近100元，一般一個(gè)月可以賣(mài)50多頭豬賺4000多元，但這個(gè)月連2000元還沒(méi)賺到，加上市場(chǎng)攤位費(fèi)，算下來(lái)?yè)p失太大，有的攤販索性就不干了。記者走訪了黔南州、黔東南州多個(gè)農(nóng)貿(mào)市場(chǎng)，大部分農(nóng)貿(mào)市場(chǎng)內(nèi)的豬肉銷(xiāo)量都有所減少，在麻江縣回龍寺農(nóng)貿(mào)市場(chǎng)，肉食區(qū)的豬肉攤位空了一大半。

豬肉市場(chǎng)的不景氣，讓養(yǎng)殖場(chǎng)生豬出欄價(jià)從原本10元左右一斤跌到了6元。麻江縣杏山鎮(zhèn)興坪村養(yǎng)殖戶殷明禮告訴記者，他的生豬按現(xiàn)在的市場(chǎng)價(jià)根本不敢出售，一頭豬要虧1000元左右。

偏遠(yuǎn)地區(qū)受謠言影響大。貴州省食品安全委員會(huì)辦公室副主任呂勁松說(shuō)，調(diào)查數(shù)據(jù)顯示，貴州省望謨、冊(cè)亨等地區(qū)的禽肉銷(xiāo)量較去年9月同期下降40%左右。

老謠言反復(fù)出現(xiàn)怎么看？

專家認(rèn)為網(wǎng)民自我保護(hù)心理對(duì)謠言傳播推波助瀾，建議建立權(quán)威的謠言警示平臺(tái)

在網(wǎng)絡(luò)搜索關(guān)鍵詞“廣西 豬肉鉤蟲(chóng)”，記者發(fā)現(xiàn)2013年11月就有此類(lèi)謠言出現(xiàn)，不少媒體也曾進(jìn)行辟謠。然而今年6、7月，這一謠言又出現(xiàn)在廣西、江蘇、遼寧、四川等地，除了涉及地點(diǎn)變化外，其內(nèi)容、“水煮不爛”“油炸不熟”等字眼和圖片結(jié)構(gòu)都跟去年如出一轍。今年9月，當(dāng)謠言的地點(diǎn)信息又加上貴州后，直接導(dǎo)致貴州臨近廣西地區(qū)出現(xiàn)禽肉市場(chǎng)波動(dòng)。

謠言出現(xiàn)后，不少涉及地區(qū)會(huì)采取對(duì)豬肉抽查檢測(cè)、發(fā)布消息辟謠等措施。比如，廣西永福縣水產(chǎn)畜牧局進(jìn)行了檢測(cè)，防城港市食品安全辦今年下半年已組織開(kāi)展聯(lián)合檢查行動(dòng)2次、澄清6次，檢查相關(guān)生產(chǎn)經(jīng)營(yíng)單位560家次，均未發(fā)現(xiàn)“豬肉有蟲(chóng)”現(xiàn)象；遼寧遼陽(yáng)政府網(wǎng)站專門(mén)發(fā)布通告辟謠；廣西河池、河北保定則進(jìn)行了科普??

謠言反復(fù)出現(xiàn)，帶來(lái)社會(huì)恐慌；各地分別辟謠，又增加了回應(yīng)成本。貴州師范大學(xué)教育科學(xué)學(xué)院心理學(xué)教授潘運(yùn)認(rèn)為，網(wǎng)民自我保護(hù)的心理易使其不自覺(jué)地參與到謠言的傳播中，建議網(wǎng)民在面對(duì)這些信息時(shí)，應(yīng)先多幾個(gè)反問(wèn)。

貴州省青年法學(xué)會(huì)會(huì)長(zhǎng)孫光權(quán)表示，應(yīng)盡快完善謠言社會(huì)影響的評(píng)估體系、建立權(quán)威的謠言警示平臺(tái)、多部門(mén)協(xié)調(diào)打擊造謠行為。

（高潔參與采寫(xiě)）

《 人民日?qǐng)?bào) 》（2014年11月25日 04 版）

第四篇：機(jī)器學(xué)習(xí)的例子

身邊的機(jī)器學(xué)習(xí)

相信身邊很多人都曾經(jīng)被漫長(zhǎng)的紅綠燈等待時(shí)間所困擾。不管是對(duì)于行人還是開(kāi)車(chē)的司機(jī)，要么就是等紅燈的時(shí)間太長(zhǎng)以至于大家開(kāi)始失去耐心，選擇直接橫穿馬路；要么就是綠燈切換的時(shí)間太短，如果不一路小跑著過(guò)馬路的話就會(huì)被迫面對(duì)湍急的車(chē)流，將自己置于危險(xiǎn)之中。而事實(shí)上，設(shè)定燈的切換時(shí)長(zhǎng)這項(xiàng)工作如果交給懂得分析數(shù)據(jù)、高效建模的計(jì)算機(jī)來(lái)完成效果可能會(huì)更好。

在許多歐美國(guó)家都在進(jìn)行類(lèi)似的實(shí)驗(yàn)，收效顯著：通過(guò)建設(shè)一個(gè)監(jiān)督學(xué)習(xí)的算法，將車(chē)流量、人流量設(shè)定為要被監(jiān)測(cè)的目標(biāo)數(shù)據(jù)，并以密度或是車(chē)、人的數(shù)量、來(lái)源等數(shù)據(jù)用這些直觀的形式統(tǒng)計(jì)起來(lái)。經(jīng)過(guò)匯總之后，一方面對(duì)可以車(chē)流量、人流量的高峰時(shí)間進(jìn)行統(tǒng)計(jì)；另一方面可以總結(jié)歸納出現(xiàn)這些高峰的地點(diǎn)以及流量來(lái)源。有了這些數(shù)據(jù)，計(jì)算機(jī)就可以迅速建立起一個(gè)相應(yīng)的模型來(lái)執(zhí)行對(duì)擁堵行車(chē)的疏導(dǎo)，提升道路運(yùn)輸?shù)男省?/p>

在一次觀測(cè)中研究人員發(fā)現(xiàn)，在馬路上大量的大型堵塞事件中，有很大一部分都只是車(chē)流靠前位置的一名新手的一次無(wú)心的剎車(chē)。即使每次剎車(chē)帶給下一輛車(chē)的司機(jī)的反應(yīng)時(shí)間都只有1～2秒，但在漫長(zhǎng)的車(chē)隊(duì)中不斷累積最終就會(huì)形成天文數(shù)學(xué)。如果可以通過(guò)機(jī)器學(xué)習(xí)的方式對(duì)上下班高峰期車(chē)流量的規(guī)律進(jìn)行總結(jié)并加以利用，在市政管理上改變紅綠燈切換的時(shí)間長(zhǎng)度來(lái)對(duì)馬路上的汽車(chē)進(jìn)行分流，從而避免大量的汽車(chē)擁堵在路口處，就可以緩解這一問(wèn)題。

在日常生活中，行人橫穿馬路釀成慘劇的案例已經(jīng)屢見(jiàn)不鮮。很多人都會(huì)因?yàn)槿诵械赖募t綠燈等待時(shí)間過(guò)長(zhǎng)而選擇直接橫穿馬路，給自己和他人帶來(lái)危險(xiǎn)。既然馬路上的紅綠燈調(diào)整可以交給計(jì)算機(jī)，人行道紅綠燈切換時(shí)間的調(diào)整計(jì)算機(jī)同樣可以勝任。如果有關(guān)部門(mén)可以將機(jī)器學(xué)習(xí)技術(shù)引入公共交通管理系統(tǒng)，通過(guò)更加智能的方式對(duì)時(shí)長(zhǎng)進(jìn)行調(diào)整，在車(chē)輛沒(méi)那么多的時(shí)候或者是類(lèi)似步行街的人流量巨大的場(chǎng)所，結(jié)合馬路上的車(chē)輛通行情況對(duì)人行道上紅綠燈的切換時(shí)間進(jìn)行動(dòng)態(tài)的調(diào)整來(lái)縮短人們等候的時(shí)間，相信可以大大減少這類(lèi)事件發(fā)生的幾率。

調(diào)整紅綠燈切換時(shí)間只是一件小事，不過(guò)這也從側(cè)面證明了機(jī)器學(xué)習(xí)可以被運(yùn)用的范圍之廣闊以及相關(guān)行業(yè)的蓬勃發(fā)展勢(shì)頭。機(jī)器學(xué)習(xí)還有很多可以應(yīng)用的場(chǎng)景，需要我們不斷發(fā)掘、利用。

第五篇：機(jī)器學(xué)習(xí)基礎(chǔ)教學(xué)大綱

教學(xué)大綱

1概述

? ? ? ? ? 什么是機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)的典型應(yīng)用

機(jī)器學(xué)習(xí)與其他研究領(lǐng)域的關(guān)系 機(jī)器學(xué)習(xí)研究目標(biāo) PAC學(xué)習(xí)模型 2 理論基礎(chǔ)

? 采樣復(fù)雜度

? VC維與生長(zhǎng)函數(shù)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Sauer引理 切諾夫界

McDiarmid不等式 學(xué)習(xí)子空間（LSP）理論 支持向量機(jī)與Margin理論 核化PRR學(xué)習(xí)模型 TRBF與綠色計(jì)算學(xué)習(xí)前向反饋與誤差反向傳播 卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)

通過(guò)專家建議的預(yù)測(cè) 加權(quán)表決算法 Perceptron算法 Winnow算法

Widrow-Hoff算法 排序問(wèn)題 一般性界 3 核方法學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) Online學(xué)習(xí)排序算法

RankBoost 二分排序

Preference-based Ranking

7強(qiáng)化學(xué)習(xí)(Reinforcement Learning)? ? ? ? ? ? ? ? ? 馬爾科夫決策過(guò)程(MDPs)最優(yōu)策略 Q學(xué)習(xí)

Multi-armed bandit 問(wèn)題 深度強(qiáng)化學(xué)習(xí)與自主學(xué)習(xí)投資組合選擇 Minmax理論

重新思考Boosting 卷積神經(jīng)網(wǎng)絡(luò)與IMAGENET 對(duì)象/場(chǎng)景三維形狀學(xué)習(xí)與識(shí)別 8 投資組合選擇與博弈論

9機(jī)器學(xué)習(xí)在數(shù)字媒體中的典型應(yīng)用

?