NLP自然语言处理-机器学习和自然语言处理介绍（一）

“NLP自然语言处理-机器学习和自然语言处理介绍”
一．机器学习
1.什么是机器学习
从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。
人类在成长、生活过程中积累了很多的历史与经验。人类定期地对这些经验进行“归纳”，获得了生活的“规律”。当人类遇到未知的问题或者需要对未来进行“推测”的时候，人类使用这些“规律”，对未知问题与未来进行“推测”，从而指导自己的生活和工作。
机器学习中的“训练”与“预测”过程可以对应到人类的“归纳”和“推测”过程。通过这样的对应，我们可以发现，机器学习的思想并不复杂，仅仅是对人类在生活中学习成长的一个模拟。由于机器学习不是基于编程形成的结果，因此它的处理过程不是因果的逻辑，而是通过归纳思想得出的相关性结论。

很长的一段时间人工智能也只是一个幻想，直到20世纪40年代电脑的出现，才有一批科学家开始严肃地探讨实现的可能性。经过快一个世纪的努力，逐渐取得了一些成果，比如自动驾驶。

2.机器学习与人工智能、深度学习的关系
简单来说就是：机器学习是人工智能的一个实现途径；深度学习是机器学习的一个方法发展而来。

3.机器学习能够做什么
机器学习的应用领域非常宽，涉及到各个领域以及学科当中。

4.机器学习如何获取信息
（1）机器学习是从历史数据中自动分析获得模型，并利用模型对未知数据进行预测；
（2）这些所谓的历史数据结构包括：特征值和目标值；
（3）通俗的讲，特征值是指要探索的人、物的基本信息，例如身高、体重等；而目标值指的是人、物体所属的类别，例如A（警察）、B（医生）、C（律师）三类中的哪一类。
（4）对于每一行的数据我们可以称之为样本，而有些数据集可以没有目标值。

5.机器学习算法分类
（1）监督学习(supervised learning)（预测）
定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。
举例：分类：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络；（是猫还是狗&#x