:::
機器學習 - 教育百科
回到頁面頂端圖示
| 機 | |
| 器 | |
| 學 | |
| 習 |
國家教育研究院辭書
基本資料
| 英文： | machine learning |
| 日期： | 2003年6月 |
| 出處： | 資訊與通信術語辭典 |
辭書內容
|
名詞解釋： 人工智慧中，使電腦能根據已往累積的經驗，經歸納與綜合來改進自身的性能，建立學習模式，使電腦具有智能及學習能力的學科。 |
|
| 資料來源： | 國家教育研究院_機器學習 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |
基本資料
| 英文： | Machine Learning |
| 作者： | 林猷舜 |
| 日期： | 2000年12月 |
| 出處： | 教育大辭書 |
辭書內容
|
名詞解釋： 電腦可依據以往的使用記錄或所輸入的資料，透過不斷的更正和學習使執行能力提升，這種功能稱為機器學習。機器學習對於較模糊(Fuzzy)的問題有相當的助益，因為模糊性的問題所求的解答不必很明確，只要在一個值域間即可。透過學習，系統可以不斷的自我更正而找出較佳的解答，如在語音辨識的研究上，透過不斷的學習以提高電腦的辨識能力，可以更正確的判斷出發音者所說的話。 |
|
| 資料來源： | 國家教育研究院_機器學習 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |
基本資料
| 英文： | machine learning |
| 作者： | 劉吉軒 |
| 日期： | 2012年10月 |
| 出處： | 圖書館學與資訊科學大辭典 |
辭書內容
|
名詞解釋： 機器學習是以電腦系統依照自身的運作經驗，自動改善其功能的軟體技術。更具體的說，機器學習的目的是讓電腦具備學習能力，能不斷的以既有資料或運作結果回饋修正，調整其內在模型與方法，而達成最佳化的任務成果。在真實環境中運作的智慧型系統通常面臨兩種挑戰：（1）真實環境問題中不斷變動的各種可能情況，是系統設計發展者無法完全預知而事先準備好所有因應解答的；（2）系統所要處理的問題是人類不能清楚解釋如何完成，如臉孔辨識，而也無法設計明確的解決步驟讓電腦執行。這些困難的狀況使得系統發展者無法預先設計固定的運作模式去利用電腦的執行能力，因此，發展電腦自身的學習能力成為智慧型系統不可或缺的成功要素。簡單的說，電腦的學習能力就是在系統輸入資料與輸出決策之間，透過複雜的計算與驗證過程，在某種輸入與輸出的對應模型中，找到一組最佳的參數組合或是讓對應模型的細節具體化，能讓此對應模型依照不同的輸入情形而產生最正確或最恰當的輸出。機器學習的技術型式至少包括以下幾種：（1）關聯學習：建立兩種物件之間的機率關聯法則。例如：客戶與商品、關鍵詞與網頁等；（2）分類：建立輸入資料正確歸屬類別的適當判讀方式。例如：以信用卡申請者的各種基本資料，將其分類為高風險或低風險申請者；（3）迴歸分析：建立輸入之自變數與輸出之因變數間的適切關係模型。例如：在自動駕駛的技術中，方向盤轉動的角度為輸出之因變數，各種偵測裝置得到的道路環境資料為輸入之自變數；（4）非監督式學習：在大量未知的資料中，找到其中隱藏的結構或模式；這類技術以統計中的群集為代表。例如：依照客戶的各種屬性資料，以多維度的資料相似度計算為基礎，將所有客戶適當的分成數個群組，同群組中的客戶皆有較相似的屬性，而不同群組之間的客戶則有較大的屬性差異；（5）強化學習：在某些問題領域中，系統必須在不同的環境狀態下採取適當的策略，以一系列的動作達成最終目的。這種學習方式是以最終結果的價值來強化適當的策略，使得未來類似的環境狀態下，過去成功的經驗可以被重複利用，電腦下棋為此類學習的典型應用之一。機器學習是資訊科學中人工智慧領域的核心技術之一，現今已發展出許多成功的應用系統，例如：語音辨識、影像辨識、機器人控制、信用評估、故障診斷、星體分類等。1990年代後，機器學習的概念與技術開始引進於商業與其他實務體系，針對許多資料庫中的大量資料處理加值，而發展出資料探勘與知識發掘的新興研究與應用領域。其後，機器學習技術與大量資料的結合也進一步的擴展至網頁資料與文字資料，而開展出網頁探勘與文字探勘的研究與應用。機器學習的目的不在於瞭解人類或動物的學習機制與過程，而是利用電腦的計算效能，對資料進行深度的剖析、區辨、判讀，實現智慧型的任務能力。從工程的角度而言，機器學習技術已經開花結果，成為電腦智慧應用的重要基石。 |
|
| 資料來源： | 國家教育研究院_機器學習 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |