《數據聚類》一書爲張憲超所著，其中一些東西總結得很好，故而摘抄。此書可爲研究無監督學習入門的必備書目之一。
![《數據聚類》一書封面]()
注：圖片引用來自http://product.dangdang.com/25107942.html
序———–精彩部分摘抄
“2007年,關係型數據庫鼻祖、圖靈獎德祖Jim Gray提出了科學研究的第四範式，即數據密集型科學發現，在此之前人類認知世界的方式經歷了三個階段的飛躍：第一範式是實驗科學，從原始的鑽木取火發展到後來以伽利略爲代表的文藝復興時期的現代科學發展初級階段。第二範式是理論科學，從經典的牛頓力學到量子力學和相對論，人們以超凡的頭腦思考超越實驗設計。第三範式是計算科學，20世紀中葉以來，人們通過對複雜現象進行計算機模擬仿真實驗，推演出越來越複雜的現象，如模擬核試驗、天氣預報等。第四範式是指隨着數據的爆炸性增長，計算機將不僅僅能做仿真實驗，還能進行分析總結。科學的第四範式必將推動人類認知世界能力的一次新的革命。”
“然而，要發揮大數據的作用，必須具備強大的數據分析能力。因此與大數據概念同步火爆的概念還有人工智能的再度爆發。大數據和人工智能是科學第四範式必不可少的兩個方面：沒有人工智能，大數據就是埋藏在深山裏面的金礦；沒有大數據，人工智能是巧婦難爲無米之炊。”
“人工智能的核心是機器學習，其首要任務是對事物進行辨識和區分。機器學習分爲有監督學習和無監督學習兩大類。監督學習的主要任務是分類，即用大量已標記的數據完成對新數據的區分；無監督學習的主要任務是聚類，即在沒有任何人工干預的情況下對數據進行區分。”——中國科學院院士 陳國良
以上是本書在序中的精彩部分的摘抄，幾段話對於理解機器學習和整個人工智能的發展有着很大的幫助！人工智能近些年來飛速發展只不過是人類整個社會進步的一個縮影，這是應該深刻認識到的，並不是人工智能的發展推動了社會的發展，而是整個社會在經濟、科技、教育、文化、衛生等方面的進步給予了人工智能發展良好的沃土，這是歷史發展到這一個階段的必然。
前言———–精彩部分摘抄
“目前，深度學習基本上只帶來監督學習的進步，但僅依靠監督學習是無法實現完整的人工智能的。作爲智能系統，監督學習似乎足夠‘能’而不足夠‘智’。足夠‘能’體現爲它能夠在大數據中挖掘知識，這僅是人腦做不到的。事實上，人腦並不是處理大數據的系統，人類在任何領域所掌握的知識有限，例如每個人僅能識別千個漢字和單詞。不足夠‘智’體現爲監督學習需要大量人工標記的訓練樣本。人腦的學習並不需要大量的樣本訓練，人類是在沒有知道或少量指導的條件下獲得知識的，而且人腦會不斷學習並強化自己在各個領域的知識。人類在有限知識的基礎上體現出驚人的創造力。類似人腦的智能系統更需要無監督學習、小樣本學習、強化學習和遷移學習等功能因此人工智能的發展仍然任重而道遠”——大連理工大學教授 張憲超
並不是說擁有海量的數據，從中發現規律就可以了，那些還遠遠不夠，根據知識形成相應的價值和判斷規則，這是學習的一個重要環節，對於機器運作來說也是很有幫助的。因爲人類的學習和辨別能力的增長，很多程度來自於知識的輸入和輸出，但更重要的，是通過知識來形成一套可供判斷和評價的依據，或是可以遵循的推理規則，不單純依賴於情感。
所有，有人說，未來，也許人工智能應該會至少有兩個方向，要麼越來越像人，具備一定人的推理判斷能力，要麼便是一個新生的物種，具有感情和思考能力，他們屬於自然界的一個新生羣體。
