转载

机器学习到底适合哪些人群？

机器学习到底适合哪些人群？这个问题困扰着很多人，尤其是还在校园里上课的学生主要针对的是大三大四即将要毕业的毕业生，和研究生以后要面临的方向。

机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

什么样的人适合机器学习？

1、首先是有极大的兴趣

2、是个人的基础比较好：一是编程基础、数据结构算法都很好，二是高数基础，比如概率论、线性代数、微积分、几何、优化理论等等

3、周围有土壤，有小环境，不管是业余的，还是工作团队，还是网络小组满足这样的条件，基本上可以去学机器学习，另外还要有坚强的毅力，良好的自制力。这一点其实很重要，前面都是知识可以去弥补，但是没有毅力没有自制力，很容易半途而费。

什么样的人不适合机器学习？不适合的条件不太好写，从我身边的人总结来看，说几点，大家不要介怀 1、目标不坚定，容易漂移,不能脚踏实地 2、数学基础很差3、不知道学以致用，单纯为学而学

学习机器学习人工智能这些东西其实真的很不容易，很多时候，不是说你看完了某几本书或者看完了论文集就学会了，只能说你看过了这些书，知识掌握没掌握还不定。有人说看见那么多的数学公式头就晕了，说这话的同学最好就别学了。因为本身数学这东西不是说你查查工具书就可以的，有很多定理原理性的东西，不钻进去看是不行的，从来没有那个人说手边放一本数学书就可以学机器学习了，所以大家不妨列个书单目，从基础入手，一步步夯实基础，每天投入4-5个小时，持之以恒，一定可以有所收获。前几天看过一个帖子，一个高中肄业生富士康员工用了2-3个月时间学习编程，也找到了很不错的编程工作。

学习能力是智能行为的一个非常重要的特征，但至今对学习的机理尚不清楚。人们曾对机器学习给出各种定义。H.A.Simon认为，学习是系统所作的适应性变化，使得系统在下一次完成同样或类似的任务时更为有效。R.s.Michalski认为，学习是构造或修改对于所经历事物的表示。从事专家系统研制的人们则认为学习是知识的获取。这些观点各有侧重，第一种观点强调学习的外部行为效果，第二种则强调学习的内部过程，而第三种主要是从知识工程的实用性角度出发的。机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。例如，它们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。

正文到此结束