1.机器学习是实现人工智能的手段, 其主要研究内容是如何利用数据或经验进行学习并建立模型, 对未知东西做出科学的预测与评价。是一门 多领域交叉的科学, 涉及数学,概率论、统计学, 算法复杂度理论等多门学科。
2.机器学习从学习方式分类:
1)监督学习 (Supervised Learning):
从给定的数据集中学习出一个模型, 当新的数据到来时, 可以
根据这个模型预测结果, 训练集通常由人工标注标签。
2)无监督学习 (Unsupervised Learning):
相较于监督学习, 无需要人工标注标签。
3)半监督学习(Semi-supervised Learning):
介于监督学习和无监督学习。
4)强化学习(Reinforcement Learning,增强学习):
每个动作都会对环境有所影响, 通过观察什么样的动作获得
最好的回报, 学习通过观察周围的环境进行判断与决策。
5)深度学习 (Deep Learning):
利用深层网络神经模型, 抽象数据表示特征,现在广泛应用 于音频,视频,自然语言的高级抽象的特征处理。
3.机器学习从算法任务种类上分类: