一,概述
1,三者关系
人工智能>机器学习>深度学习
2,应用领域
人工智能包括两大领域:连接领域:神经网络,逻辑领域:逻辑主义。
机器学习可用于,统计学领域:如垃圾邮件过滤。
深度学习可用于,各个领域。
3,前景
传统预测:如sql语句安全检测
图像识别:如人脸识别
自然语言处理:如翻译,聊天
4,学习路线
...
二,机器学习
1,定义
机器学习:从数据中 自动分析 获得模型,并利用模型 对未知数据进行预测。
那么历史数据的格式长什么样子?特征值+目标值,如下图所示:
每行数据可称样本。
有些数据集,可以没有目标值,有专门的算法可以解决。
2,算法分类
辨认狗还是猫?
目标值:类别(离散),分类问题
目标值:具体数值(连续),回归问题
以上存在目标值,即监督学习。
没有目标值的,即无监督学习。
3,常见算法
监督学习(预测问题):
分类问题:k-近邻算法,贝叶斯分类,决策树与随机森林,逻辑回归。
回归:线性规划,岭回归
无监督学习:
聚类k-means
4,还在学习,大佬勿喷!