摘 要：分析了目前在人工智能领域主要的机器学习算法所蕴涵的知识性质，指出了机器学习与教育理论存在的相似性，同时根据机器学习的特点讨论了对教育的启发，并且对机器学习在教学教育中的应用提出了建议。

关键词：机器学习；知识复杂性；知识默会性；数据挖掘

中图分类号：G641 文献标志码：A 文章编号：1673-291X（2014）35-0107-04

引言

机器学习（Machine Learning，ML）是一门多领域交叉学科，涉及概率论、模糊论、逼近论、凸论、统计学、算法复杂度理论等多门学科[1]。机器学习是根据生理学、认知科学等对人类学习机理的了解，重新组织已有的知识结构，建立人类学习过程的计算模型或认识模型，发展各种学习训练理论和学习训练方法，研究适合各种领域的训练学习算法并进行理论上的分析，建立面向特定任务和应用的学习系统。当前，在人工智能和模式识别领域影响比较深远并具有代表性的机器学习算法有朴素的贝叶斯算法、ADABOOST算法、SVM支持向量机算法、神经元网络及其的改进的深度学习算法。机器学习在工业制造、医疗诊断、数据挖掘，尤其是生物识别，如指纹、人脸、虹膜等方面的应用得到快速发展。如指纹自动识别，已经彻底改变了安防工业的发展方向。这里探讨这些成功的机器学习算法对教育教学的借鉴意义。

一、机器学习原理蕴含的知识性质

（一）机器学习与知识的默会性

知识的默会性是相对于显性知识而言的，是指有些知识只可意会却不可言传，在生活中经常使用但却无法清晰表达的知识，这种知识不能通过语言、文字或其他确定意义的表达方式予以直接传递。……