2020年2月15日16:24:51
今日任务:
弄明白以下四个内容的特点、方向、内容以及关系:
- 机器学习(ML)
- 深度学习(DL)
- 强化学习(RL)
- 数据挖掘(DM)
ML
机器学习:对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善,那么我们称这个计算机程序在从经验E学习。
维基百科解释的很详细!
机器学习算法基于样本数据(称为“ 训练数据 ”)建立数学模型,以便进行预测或决策,而无需明确地编程以执行任务。
机器学习是人工智能的一个部分,很广泛的用于应用中,如邮件检测和计算机视觉等。与统计学很相似,用计算机来做一些预测任务。
机器学习(Machine Learning)是一门专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构市值不断改善自身的性能的学科,简单地说,机器学习就是通过算法,使得机器能从大量的历史数据中学习规律,从而对新的样本做智能识别或预测未来。
机器学习在图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐等很多方面的发展还存在着没有良好解决的问题。
传统的模式识别方法:通过传感器获取数据,然后经过预处理、特征提取、特征选择、再到推理、预测或识别。
常见的算法有:决策树、朴素贝叶斯、支持向量机、随机森林、人工神经网络、boosting和Bagging算法、关联规则算法、EM(期望最大化)算法、深度学习。
ML算法竞赛简单流程
机器学习:监督学习、非监督学习和强化学习。
DL
深度学习是机器学习算法的一个子类别,它使用多层神经网络来学习输入和输出之间的复杂关系。神经网络中的层次越多,其复杂性就越高。【可以简单理解为神经网络的发展】