1.5 本章小结

本章介绍了自适应系统的概念，自适应系统可以从经验中学习，并改变系统的行为以最大限度达到特定目标。机器学习是这一系列技术的总称，通过算法进行预测，并根据其共同的特征自动组织输入数据。

三个主要的学习策略是监督学习、无监督学习和强化学习。监督学习假设存在一个能提供错误的精确度量的教师，可以将预测输出与实际的输出进行比较，实现参数的修正。无监督学习没有外部教师，所以一切都直接从数据中学习。无监督学习算法尝试找出一组数据的共同特征，以便能够将新样本与正确的聚类相关联。根据一些已知的特征，监督学习通过将所有对象自动分类到特定类别中进行实例的分类，而无监督学习的常见应用是对具有后续标记或处理的实例进行自动分组。强化学习与监督学习类似，但它只接受关于其行为质量的环境反馈。虽然强化学习中不能精确知道什么是错的以及错误的大小，但接收到的信息能帮助决定是否继续采取策略或选择另外的策略。

第2章将讨论机器学习的重要元素，包括数学符号和其他章节中有关机器学习的定义，还将讨论统计学习的概念和一些关于可学习性及其局限性的相关理论。