【机器学习基础】

贝叶斯分类器？

P(C|X) = P(X|C)*P(C)/P(X)

P(C|X)表示给定输入特征或属性，预测类别为C的概率，是条件概率，也称为后验概率。

P(X|C)表示特定类别C中属性值为X出现的概率，称为类条件概率，通过似然估计得到。

P(C)表示样本中类别C样本出现的概率，称为先验概率。

P(X)表示属性为X样本出现的概率，是证据因子。

 

回归和分类的区别？

本质上，回归预测的值为连续值，分类预测的值为离散值。

 

机器学习和深度学习的区别？

机器学习是人工智能的子领域，也是人工智能的核心，机器学习方法理论主要是分析和设计一些能够让计算机自动学习的算法。深度学习是机器学习众多方法中的一种，它主要是模仿人类大脑对数据的处理方式，利用深度神经网络进行特征表达的一种学习过程。具体区别如下：

（1）应用场景。机器学习在指纹识别、特征物体检测等领域的应用基本达到了商业化的要求。深度学习主要应用于文字识别、人脸技术、语义分析、智能监控等领域。目前在智能硬件、教育、医疗等行业也在快速布局。

（2）所需数据量。机器学习能够适应各种数据量，特别是数据量较小的场景。如果数据量迅速增加，那么深度学习的效果将更加突出，这是因为深度学习算法需要大量数据才能完美理解。

（3）执行时间。执行时间是指训练算法所需要的时间量。一般来说，深度学习算法需要大量时间进行训练。这是因为该算法包含有很多参数，因此训练它们需要比平时更长的时间。相对而言，机器学习算法的执行时间更少。

（4）解决问题的方法。机器学习算法遵循标准程序以解决问题。它将问题拆分成数个部分，对其进行分别解决，而后再将结果结合起来以获得所需的答案。深度学习则以集中方式解决问题，而不必进行问题拆分。