什么是机械学习
所谓机械学习是一种单纯依靠记忆学习材料，而避免去理解其复杂内部和主题推论的学习方法。平时多称为死记、死背或死记硬背。
由美国心理学家大卫·奥苏伯尔提出，与故意义学习相对的概念，指符号所代表的新知识与学习者认知结构中已有的知识建立非本质性的和人为的联系。如学生仅能记住乘法口诀表，形成机械的联想，但并没有真正理解这些符号所代表的知识。
机械学习模式
[1]机械学习是最简单的机器学习方法。机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。
机械学习又是最基本的学习过程。任何学习系统都务必记住它们获取的知识。在机械学习系统中，知识的获取是以较为平稳和直接的方式执行的，不需要系统执行过多的加工。而对于其它学习系统，需要对各种建议和训练例子等信息执行加工处理后，才可存储起来。
当机械学习系统的实施部分处理好困难之后，系统就记住该困难及其解。我们可把学习系统的实施部分抽象地看成某个函数，该函数在得到自变量输入值
之后，计算并输出函数值
。机械学习在存储器中简单地记忆存储对
。当需要
时,实施部分就从存储器中把
简单地检索出来并非是从新计算它。该种简单的学习模式如下：
Lenat,Hayes Roth，和Klahr等人于1979年有关机械学习提出一种有趣的看法。他们表示，可以把机械学习看成是报告化简分级中的第一级。报告化简与计算机语言编译相似；其目的是把原始信息变成可实施的信息。在机械学习中我们只记忆计算的输入输出，忽视了计算过程，如此就把计算困难化简成存取困难，见下图。
图：报告化简级别图
正像计算困难可以简化成存取困难一样，其它的推理过程也可以简化成较为简单的任务。比如推导可以简化成计算。比方说首次要我们解一个一元二次方程的时机，我们务必运用漫长的一段推导才可得出解方程的求根公式。但是一旦有了求根公式，以后再解一元二次方程时，就不必重复以前的推导过程，可以直接运用求根公式计算出根，如此就把推导困难简化成计算困难。同样地，归纳过程可以简化成推导过程。
比如我们可以在大批患者的基础上归纳归纳出医治的一般规律，形成规则，当遇见一个新患者时，我们就运用规则去处理它，而不必参照以前的大量患者推断处理办法。化简的目的，首要是为了提升工作效率。
机械学习的首要困难
[1]对于机械学习，需要注意3个重要的困难：存储组织，平稳性和存储与计算之间的权衡。
(a) 存储组织信息。显然，只有当检索一个项目的时间比从新计算一个项目的时间短时，机械学习才故意义，检索的越快，其意义也就越大。所以，采取适当的存储方式，使检索速度尽或许地快，是机械学习中的重要困难。在报告结构与报告库领域，为提升检索速度，民众研究了很多卓有成效的报告存储方式，如索引、排序、杂凑等等，在机械学习中我们可以充分利用这些成果来达到我们的要求。
(b) 环境的平稳性与存储信息的适用性困难。在急剧改变的环境下机械学习策略是不适用的。做为机械学习基础的一个重要假定是在某一时刻存储的信息务必适用于后来的情形。但是假使信息变换得特别频繁，这个假定就被损坏了。
(c) 存储与计算之间的权衡。由于机械学习的根本目的是改进系统的实施能力，所以对于机械学习来看很重要的一块是它不能减弱系统的效率。比方说，假使检索一个报告比从新计算一个报告所花的时间还要多，那么机械学习就失去了意义。
该种存储与计算之间的权衡困难的处理方法有两种。一种方法是估算一下存储信息所要花费的存储空间以及检索信息时所花费的时间，然后将其代价与从新计算所花的代价比较，再决定存储信息能否有利。其他方法是把信息先存储起来，但为了保证有充足的检索速度，制约了存储信息的量，系统只保留那些最常运用的信息，“忘记”那些不常运用的信息。该种方法也叫“选择忘却”技术。
机械学习应用举例
[1]尽管机械学习是机器学习中最简单的策略，但是正确运用该种策略却能对提升应用软件系统的质量起着重要作用。下面介绍吉林大学开发的建筑工程预算软件系统中采取的机械学习策略。该种方法成功地处理了工程预算中较难处理的图集困难。
建筑工程预算是建筑工程中一项问题而又重要的任务，工作量大，要求高。以往用手工编制，要花费很多时间。一份3000m2的民用建筑，一个技术人士手工编制预算需要15日到20日，加之工料分析，取费计算等等，需要近一个月时间，而且容易出错，影响预算的质量，产生资金、人士和材料的浪费与损失。近年来，伴随电子计算机的普及应用，很多单位研制了建筑预算系统，减轻了建筑工程预算人士的繁重的脑力劳动，提升了工程预算的进展与精准性。
但是，建筑预算中的核心困难——工程量计算困难，却始终没有得到很好地处理。这个困难的问题之一在于现行运用的建筑工程设计图纸上的报告与计算机要求的初始输入报告之间存在着很大的差距，只有靠建筑工程人士分析观察图纸，形成计算机可接受的初始输入，才可开始计算。产生工程量计算问题的第二个原因是设计图纸中显现的大批的门窗及预制件型号。预算中，工程技术人士需要持续查阅相关资料，决定这些预制件所需工时及材料。所采取的机械学习方法首要用来处理这一问题。
建筑工程中运用的门窗，大都采取国家或省市的标准设计，如JGMC—1—16—3是建工部规定的标准木窗，窗宽1米，高1.6米，另外还确定了窗的式样，如该窗是亮子的，3开扇，中间固定，有小汽窗，依据该种标准设计图纸，民众预先计算出建造一个该种窗子所需的木料，玻璃，油漆，合页，铁角，拉手，所需木工量，油工量等等。在建筑工程图纸上，并没有画出具体的窗子和门，只标明窗子和门的型号，预算时，民众只要数出各种窗子和门分别有多少个，然后依据标准图集查出每种窗子和门各需多少原材料及人工，即可求出建造门窗所需总体建筑材料及费用。
从困难的性质来说，采取计算机检索是最适宜然而了。但事情并没有那么简单，困难的难点在于门窗的标准型号太多。这些标准型号的门窗，按规定标准的部门及门窗的种类编成很多厚厚的标准图集。尽管在工程预算程序内部保存了大批的标准图集，但仍不能满足预算的事实需要，一旦遇见一个先前未装入的新型号，系统只好临时停止运行，把新型号门窗及相关报告装入后再行计算，如此算算停停，很不方便，而且使预算时间拖得很长。
建筑工程所用的门窗及预制构件虽多，但也有其规律性。一般说来，一个建筑工程设计部门经常运用某些型号，对此外一部分型号却较少涉及，一个工程项目一般只采取几种或几十种型号的门窗和预制件，并没有是杂乱无章的。所以可采取机械学习方法处理这一困难。当程序运行中遇见未曾装入的门窗型号或预制构型号时，不是停下来待装入后从新计算，而是向用户提出询问，依据用户供应的报告，程序算出一个窗子或门等标准构件所需木材、玻璃、铁角等材料及所需各工种工日数，然后把计算的报告供应给预算系统继续计算，并把门窗等标准构件型号与所需材料及工日保存起来，以后再遇见同种型号的标准构件，建筑工程系统只要通过检索就能得到报告，可以顺遂执行下去，不再需要用户干预。由于大部分工程项目为着采购、制造、运输与管理上的方便，只采取几种或几十种的标准预制构件，所以预算系统在询问几次之后，就不必再行询问，直至计算得出最终预算结果，进而方便了用户，缩短了运行时间。
该种预算方法的其他优点是具有大量的适应性和自我完善能力，一个建筑设计部门一般与几个门窗生产厂家与预制件厂家有业务联系，所以一般采取某些型号的标准预制件。一旦这些型号的报告装入计算机，系统就能在大部分情形下独立完成预算。所以，上述采取的图集处理方法不仅适用于吉林省，而且其它省份与建筑部门也可同样采取，只要他们运用一段时间之后，系统所积攒的型号就差不多能满足他们的要求。所以便于推广，而且运用的次数越多，积攒的标准构件型号越多，系统提出询问的情形越少，计算的进展也越来越快。
参考文献
↑
1.01.11.2 蔡自兴《人工智能》[M] 第五章 计算智能(2) 5.3几种常用的学习方法
