传说中具有学习能力的算法该怎么写？

[hunk]

传统作法是自己写算法自己分析，也希望能达到近似的功能具有一定容错和分析能力，该从哪里入手改变？

[Kilerd]

keywords: 神经网络 遗传算法

[Mirana]

通过数据修正模型

[hunk]

@Mirana 这个是最基本的，但修正是个无底洞。
只是最近人工智能炒的火，突然想到，这货能有多神奇。

[hunk]

@Kilerd 神经网络了解过，没想好从哪下手，突然感觉需要个类似数据模型那样的设计过程，否则还是遇到问题解决问题。

[MickeyZMJ]

学 Python

[Mirana]

@hunk 像神经网络一样，最后会收敛的。。

[em70]

贝叶斯算法就具有学习功能，一般用于反垃圾邮件，能主动识别未知垃圾邮件

[billlee]

概率论 -> 线性回归、 logistic 回归、 SVM, ANN
概率论 + 随机过程 -> 信息论 -> 决策树学习
线性代数 -> 聚类

学了某一个分支后就可以入坑了，然后就会发现数据预处理和特征提取也是另一个大坑

[pangtianyu]

@hunk 从 Caffe 入手吧

[cgcs]

看看机器学习的教科书吧

[xyhs2010]

机器学习主要的学习对象还是媒体数据，或者说能转成特征向量的。楼主先得看看你处理的那个问题适用不适用。

[louk78]

神经网络分类算法

[udumbara]

@billlee 赞同 数据的预处理和特征提取很大程度上限制了所谓的模型自学习能力，比如金融里面的评分卡制作，评分模型几乎很难自学习，因为很多特征的提取都是在利用 IV 值的基础上，靠做业务的人拍脑袋的

[h4x3rotab]

都不说具体是什么类型的问题就胡乱回答一通，不明白楼上这么多人是怎么想的。机器学习也要按照基本法啊，不是所有的问题都适合机器学习。要做比如文本分类，机器学习就是合适的，又比如排序就不适合用机器学习实现。