第2章 机器学习主流技术与方法

本章导读：

机器学习在过去十年经历了飞速发展，目前已经成为子领域众多、内涵丰富的学科领域。如何与实际应用结合、解决现实问题成为机器学习发展最主要的目标。在机器学习发展过程中，涌现出多种机器学习模式，例如监督学习、弱监督学习、半监督学习、代价敏感学习、流数据挖掘、社会网络分析等，这些学习模式都起源于实际应用中抽象出来的问题。本章将结合机器学习最新发展，简要阐述当前机器学习领域的主要技术和方法，主要包括传统机器学习的数理统计方法及软计算方法，如粗糙集、遗传算法、人工神经网络、支持向量机等，还会对近十年来重要且主流的机器学习技术，包括度量学习、多核学习、多视图学习、集成学习、主动学习、强化学习和迁移学习等进行简单介绍。