學習方法有哪些示例

A. 學習要技巧的例子

學習需要技巧。以背單詞為例，死記硬背無疑是最累人、最枯燥的形式。而技巧則是幫助我們更加高效的甚至更為有趣的完成學習任務。

例如背單詞APP百詞斬所做的，它把每個單詞對應一個圖片，聽過圖片的形式將我們腦海中的文字信息轉化為視覺信息，給我們帶來更深刻的印象。當我們看待這個單詞，我們或許沒辦法一下子想到它的意思，但可能想起它對應的圖片進而想起它的含義。

身邊有喜歡看美劇的朋友曾經說，在劇里看到的陌生單詞，往往自己印象特別深刻。這是因為讓我們看劇時，會被劇情影響。我們所看到的陌生單詞在這種情況下甚至變得不再陌生了。當我們日後再次看到這個單詞的時候，我們就會想起當時的劇情而熟知單詞的意思。

當然，技巧不是一成不變的。 我們需要了解自己的長處和短板，通過技巧補足自己不擅長的那一部分。如此，我們所選取的技巧才是最適合我們的，可以有效幫助我們提高學習效率和學習興趣的。

適合你的技巧才是最好的技巧

B. 循序漸進學習方法名人例子

1、朱熹讀書

宋朝的著名學者朱熹，是個學識淵博的人。他遍注典籍，對經學、史學、文學、樂律以及自然科學，均有研究。他在讀書方法上，特別強調「循序而漸進「。

他說：「學者觀書，病在只要向前，不肯退步，看愈抽前愈看得不分曉，不若退步，卻看得審。」就是說，讀書要扎扎實實，由淺入深，循序漸進，有時還要頻頻回顧，以暫進的退步求得扎實的學問。

2、紀昌學劍

先秦時期，紀昌去拜箭法高手飛衛為師學習射箭，飛衛讓他練好眼睛的基本功，他回家看妻子織布，練就圓睜眼睛，一點也不眨。飛衛讓他練把小東西看成大東西，紀昌把頭發上的小虱子看成車輪，飛衛這才教他射箭，從此成為百發百中的神射手。

3、蘇步青學習

蘇步青說，對於學習，有些人了解得快一點，有些人了解的慢一點。我讀的教學書、參考書也好，其他書也好，起碼要讀三遍，讀到這本書優點在什麼地方，缺點在什麼地方，一清楚，我才把它拋了，算是成功了。比人家花的功夫要多，好處當然也比較多，一生用不完。

4、魯迅刻字讀書

魯迅為了勉勵自己學習，製作了一張小書簽，書簽上有10個正楷小字：「讀書三到：心到、眼到、口到。」讀書時，他把書簽夾在書里，每讀一遍就從上往下蓋掉一個字，讀過幾遍之後，就用默讀來加深對課文的理解，用不了多久，他就能熟練地把課文背出來了。

5、呂蒙讀書

呂蒙是三國時吳國的大將，他曾多次立下大功，卻不愛讀書。於是孫權對呂蒙說：「你現在是大將軍了，肩上擔子很重，一定要多讀讀書，長點見識。」呂蒙便開始讀書。慢慢地，他發現書中有很多以前他根本不知道的東西。

一次，他讀到孫臏用「減灶計」誘使龐涓輕敵，最後打敗龐涓的故事，感到眼界大開。於是，呂蒙逐漸愛上了讀書。在軍務繁忙之餘，他便一頭鑽進書堆里，如飢似渴地閱讀古代的兵法和史書。幾年下來，呂蒙的軍事才能大有長進。孫權大為高興，就讓呂蒙擔任了大都督，統領全國兵馬。

C. 常用機器學習方法有哪些

機器學習中常用的方法有：

(1) 歸納學習

符號歸納學習：典型的符號歸納學習有示例學習、決策樹學習。

函數歸納學習(發現學習)：典型的函數歸納學習有神經網路學習、示例學習、發現學習、統計學習。

(2) 演繹學習

(3) 類比學習：典型的類比學習有案例(範例)學習。

(4) 分析學習：典型的分析學習有解釋學習、宏操作學習。

(3)學習方法有哪些示例擴展閱讀：

機器學習常見演算法：

1、決策樹演算法

決策樹及其變種是一類將輸入空間分成不同的區域，每個區域有獨立參數的演算法。決策樹演算法充分利用了樹形模型，根節點到一個葉子節點是一條分類的路徑規則，每個葉子節點象徵一個判斷類別。先將樣本分成不同的子集，再進行分割遞推，直至每個子集得到同類型的樣本，從根節點開始測試，到子樹再到葉子節點，即可得出預測類別。此方法的特點是結構簡單、處理數據效率較高。

2、樸素貝葉斯演算法

樸素貝葉斯演算法是一種分類演算法。它不是單一演算法，而是一系列演算法，它們都有一個共同的原則，即被分類的每個特徵都與任何其他特徵的值無關。樸素貝葉斯分類器認為這些「特徵」中的每一個都獨立地貢獻概率，而不管特徵之間的任何相關性。然而，特徵並不總是獨立的，這通常被視為樸素貝葉斯演算法的缺點。簡而言之，樸素貝葉斯演算法允許我們使用概率給出一組特徵來預測一個類。與其他常見的分類方法相比，樸素貝葉斯演算法需要的訓練很少。在進行預測之前必須完成的唯一工作是找到特徵的個體概率分布的參數，這通常可以快速且確定地完成。這意味著即使對於高維數據點或大量數據點，樸素貝葉斯分類器也可以表現良好。

3、支持向量機演算法

基本思想可概括如下：首先，要利用一種變換將空間高維化，當然這種變換是非線性的，然後，在新的復雜空間取最優線性分類表面。由此種方式獲得的分類函數在形式上類似於神經網路演算法。支持向量機是統計學習領域中一個代表性演算法，但它與傳統方式的思維方法很不同，輸入空間、提高維度從而將問題簡短化，使問題歸結為線性可分的經典解問題。支持向量機應用於垃圾郵件識別，人臉識別等多種分類問題。