的方法可有效地应用于对个别讲话人，词汇表，麦克风的特性，背景噪音等的自动适应。类似的技术也可用于许多其他的信号解释问题。自动车驾驶：机器学习方法已用于训练计算机控制的车辆在各种类型的道路上的正确行驶。例如，ALVINN系统使用学习到的策略在高速公路上与别的车辆一起以每小时70英里的速度自动行驶了90英里。类似的技术也可用于许多其他的基于传感器的控制问题。新天体的分类：机器学习方法已用于各种各样的大型数据库以发现隐藏在数据中的一般规律。例如，NASA用决策树学习算法对天体进行分类。该系统现在被用来对所有的对象进行分类，所用的数据库含有三兆字节的图象数据。计算机弈棋：大多数成功的计算机弈棋程序均基于机器学习算法。例如，TDGAMMON通过与自己对弈100多万次来学习下backgammo
棋的策略。该系统目前已达到人类世界冠军的水平。类似的技术也可用于许多其他的涉及具有非常大搜索空间的实际问题。总之，随着我们对计算机研究的进一步加深，机器学习将不可避免地在计算机科学技术中起到越来越重要的作用。机器学习本质上是一个多学科的领域。下面我们列出主要的相关学科及其影响机器学习领域的主要思想。人工智能：概念的符号表达的学习，作为搜索问题的机器学习，学习作为改善问题求解的方法，将先验知识和训练数据结合起来指导学习。贝叶斯方法：贝叶斯定理是做猜想的概率计算的基础，简单贝叶斯分类器，计算未观察到的变量值的算法。计算复杂性理论：各种学习任务的内在复杂性的理论边界，而复杂性是以学习所需的计算量，训练例数，错误数等来度量的。控制论：学习控制进程以优化预定义对象，学习预测所控制的进程的下一状态。信息论：熵和信息内容的度量，


哲学。心理学与神经生物学。统计学。
11
学习问题的一般表达
定义如果一个计算机系统在完成某一类任务T时的性能P能够随着经验E而改进，则称该系统为一个学习系统。
2
f显然，要讨论一个学习系统，首先必须确定它的三个关键成分：任务T，性能指标P和经验来源E。例子：1下跳棋：T：下跳棋P：胜率E：自弈2手迹辨认：T：手写字图象的识别与分类P：正确分类率
E：手写字及其已知分类的数据库
3行车机器人：T：使用视觉传感器在四道高速公路上行驶P：平均无错误行驶的里程E：人类驾驶员行车的路况和操作的系列记录
12
学习系统的设计
学习系统的设计要作四个关键的设计选择（训练经验的选择，目标函数的r