学习方法有哪些示例

A. 学习要技巧的例子

学习需要技巧。以背单词为例，死记硬背无疑是最累人、最枯燥的形式。而技巧则是帮助我们更加高效的甚至更为有趣的完成学习任务。

例如背单词APP百词斩所做的，它把每个单词对应一个图片，听过图片的形式将我们脑海中的文字信息转化为视觉信息，给我们带来更深刻的印象。当我们看待这个单词，我们或许没办法一下子想到它的意思，但可能想起它对应的图片进而想起它的含义。

身边有喜欢看美剧的朋友曾经说，在剧里看到的陌生单词，往往自己印象特别深刻。这是因为让我们看剧时，会被剧情影响。我们所看到的陌生单词在这种情况下甚至变得不再陌生了。当我们日后再次看到这个单词的时候，我们就会想起当时的剧情而熟知单词的意思。

当然，技巧不是一成不变的。 我们需要了解自己的长处和短板，通过技巧补足自己不擅长的那一部分。如此，我们所选取的技巧才是最适合我们的，可以有效帮助我们提高学习效率和学习兴趣的。

适合你的技巧才是最好的技巧

B. 循序渐进学习方法名人例子

1、朱熹读书

宋朝的着名学者朱熹，是个学识渊博的人。他遍注典籍，对经学、史学、文学、乐律以及自然科学，均有研究。他在读书方法上，特别强调“循序而渐进“。

他说：“学者观书，病在只要向前，不肯退步，看愈抽前愈看得不分晓，不若退步，却看得审。”就是说，读书要扎扎实实，由浅入深，循序渐进，有时还要频频回顾，以暂进的退步求得扎实的学问。

2、纪昌学剑

先秦时期，纪昌去拜箭法高手飞卫为师学习射箭，飞卫让他练好眼睛的基本功，他回家看妻子织布，练就圆睁眼睛，一点也不眨。飞卫让他练把小东西看成大东西，纪昌把头发上的小虱子看成车轮，飞卫这才教他射箭，从此成为百发百中的神射手。

3、苏步青学习

苏步青说，对于学习，有些人了解得快一点，有些人了解的慢一点。我读的教学书、参考书也好，其他书也好，起码要读三遍，读到这本书优点在什么地方，缺点在什么地方，一清楚，我才把它抛了，算是成功了。比人家花的功夫要多，好处当然也比较多，一生用不完。

4、鲁迅刻字读书

鲁迅为了勉励自己学习，制作了一张小书签，书签上有10个正楷小字：“读书三到：心到、眼到、口到。”读书时，他把书签夹在书里，每读一遍就从上往下盖掉一个字，读过几遍之后，就用默读来加深对课文的理解，用不了多久，他就能熟练地把课文背出来了。

5、吕蒙读书

吕蒙是三国时吴国的大将，他曾多次立下大功，却不爱读书。于是孙权对吕蒙说：“你现在是大将军了，肩上担子很重，一定要多读读书，长点见识。”吕蒙便开始读书。慢慢地，他发现书中有很多以前他根本不知道的东西。

一次，他读到孙膑用“减灶计”诱使庞涓轻敌，最后打败庞涓的故事，感到眼界大开。于是，吕蒙逐渐爱上了读书。在军务繁忙之余，他便一头钻进书堆里，如饥似渴地阅读古代的兵法和史书。几年下来，吕蒙的军事才能大有长进。孙权大为高兴，就让吕蒙担任了大都督，统领全国兵马。

C. 常用机器学习方法有哪些

机器学习中常用的方法有：

(1) 归纳学习

符号归纳学习：典型的符号归纳学习有示例学习、决策树学习。

函数归纳学习(发现学习)：典型的函数归纳学习有神经网络学习、示例学习、发现学习、统计学习。

(2) 演绎学习

(3) 类比学习：典型的类比学习有案例(范例)学习。

(4) 分析学习：典型的分析学习有解释学习、宏操作学习。

(3)学习方法有哪些示例扩展阅读：

机器学习常见算法：

1、决策树算法

决策树及其变种是一类将输入空间分成不同的区域，每个区域有独立参数的算法。决策树算法充分利用了树形模型，根节点到一个叶子节点是一条分类的路径规则，每个叶子节点象征一个判断类别。先将样本分成不同的子集，再进行分割递推，直至每个子集得到同类型的样本，从根节点开始测试，到子树再到叶子节点，即可得出预测类别。此方法的特点是结构简单、处理数据效率较高。

2、朴素贝叶斯算法

朴素贝叶斯算法是一种分类算法。它不是单一算法，而是一系列算法，它们都有一个共同的原则，即被分类的每个特征都与任何其他特征的值无关。朴素贝叶斯分类器认为这些“特征”中的每一个都独立地贡献概率，而不管特征之间的任何相关性。然而，特征并不总是独立的，这通常被视为朴素贝叶斯算法的缺点。简而言之，朴素贝叶斯算法允许我们使用概率给出一组特征来预测一个类。与其他常见的分类方法相比，朴素贝叶斯算法需要的训练很少。在进行预测之前必须完成的唯一工作是找到特征的个体概率分布的参数，这通常可以快速且确定地完成。这意味着即使对于高维数据点或大量数据点，朴素贝叶斯分类器也可以表现良好。

3、支持向量机算法

基本思想可概括如下：首先，要利用一种变换将空间高维化，当然这种变换是非线性的，然后，在新的复杂空间取最优线性分类表面。由此种方式获得的分类函数在形式上类似于神经网络算法。支持向量机是统计学习领域中一个代表性算法，但它与传统方式的思维方法很不同，输入空间、提高维度从而将问题简短化，使问题归结为线性可分的经典解问题。支持向量机应用于垃圾邮件识别，人脸识别等多种分类问题。