1.3 机器学习的发展历程及应用

机器学习一词最早由美国IBM专家、人工智能领域的先驱亚瑟·萨缪尔（Arthur Samuel）于20世纪50年代末提出，这个时期的代表性工作是罗森布拉特（Rosenblatt）的感知器。在20世纪60年代到20世纪70年代间，机器学习主要关注与模式识别相关的方法和应用，主要代表性工作是邻近法的发明和强化学习方法的简单应用。到了20世纪80年代以神经网络为代表的机器学习方法得到的较大发展，反向传播算法重新发现和应用，一些神经网络结构如循环神经网络也被提出和使用。20世纪90年代机器学习的主要成就是统计学习方法，主要包括支持向量机和树的集成方法如随机森林和提升树。进入21世纪后树的集成方法得到了很大的改进和广泛的应用，例如XGBoost。2010年后，以深度神经网络为主的深度学习方法不断兴起并成为主流的机器学习方法。深度学习在模式识别、语言处理、人工智能等多个方面获得巨大成功，成为业界应用中必不可少的元素之一，相关研究十分活跃。

机器学习方法在多个行业都有十分广泛的应用，前景广阔。常见应用包括图像识别、语音识别、文本挖掘、游戏竞技等。在医疗领域，机器学习方法被用来识别医疗图像特征并判断疾病；在金融领域，机器学习方法也有众多用途，例如金融投资方面的市场涨跌预测和智能投顾；消费金融方面的信用风险评估、反欺诈、用户画像和精准营销等。