机器学习介绍

定义

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。

机器学习算法

机器学习界的一个特色就是算法众多，发展百花齐放。以下六个算法是使用最多，影响最广

• 回归算法
• 神经网络
• SVM（支持向量机）
• 聚类算法
• 降维算法
• 推荐算法

按照训练的数据有无标签，可以将上面算法分为监督学习算法和无监督学习算法，但推荐算法较为特殊，既不属于监督学习，也不属于非监督学习，是单独的一类。

监督学习算法：线性回归，逻辑回归，神经网络，SVM

无监督学习算法：聚类算法，降维算法

特殊算法：推荐算法

除了这些算法以外，有一些算法的名字在机器学习领域中也经常出现。但他们本身并不算是一个机器学习算法，而是为了解决某个子问题而诞生的。你可以理解他们为以上算法的子算法，用于大幅度提高训练过程。其中的代表有：梯度下降法，主要运用在线型回归，逻辑回归，神经网络，推荐算法中；牛顿法，主要运用在线型回归中；BP算法，主要运用在神经网络中；SMO算法，主要运用在SVM中。

机器学习的子类–深度学习

具有多个隐藏层的神经网络被称为深度神经网络，基于深度神经网络的学习研究称之为深度学习。

深度学习与传统机器学习算法区别

特征构造

传统机器学习需要人工构造特征，设计特征提取器；深度学习自动进行特征提取。

• 机器学习
  
• 深度学习
  

性能方面

传统机器学习算法，在一开始，性能（识别率）会随着数据的增加而增加，但一段时间后，它的性能会进入平台期。这些模型无法处理海量数据。