学习模型和算法----笔记

1.符号主义人工智能为核心的逻辑推理

2.数据驱动为核心的机器学习

机器学习-深度学习-统计学习：要依赖于有标注的大数据进行学习

对数据集打上标签，深度学习算法不断学习，抽象，刻画，推理出一个数据集共有的模式，当产生新数据时，会同样的进行提取模式，然后使用这个特定的模式来进行判断是否为该标签定义的数据类型

3.搜索与利用为核心的强化学习

它是以问题引导的人工智能的方法

在这种人工智能的方法里面：给它定义好问题，然后人工智能算法根据问题的求解和环境进行交互。这种从环境中不断学习的方法称为强化学习。例如：机器人

三种方法的区别

学习模式	优势	不足
用规则教	与人类逻辑推理类似，解释性强	难以构建完备的知识规则库
用数据教	直接从数据中学习	依赖数据，解释性不强
用问题引导	从经验中进行能力的持续学习	非穷举式搜索而需更好的策略