qq_55433305的博客

1.大数据和人工智能关系2.机器学习、深度学习、人工智能关系3.监督学习、无监督学习、半监督学习、强化学习、迁移学习关系4.机器学习具体内容

1.机器学习和统计学关系2.机器学习的发展3.机器学习与深度学习的相同点与不同点4.机器学习和深度学习优缺点

建立在统计学习理论VC维理论和结构风险最小化原理基础上的机器学习方法。用于解决数据挖掘或模式 识别领域中数据分类问题它在解决小样本、非线性和高维模式识别问题中表现出许多特有的优势，并在很大程度上克服了“维数灾难”和“过学习”等问题。此外，它具有坚实的理论基础，简单明了的数学模型，因此，在模式识别、回归分析、函数估计、时间序列预测等领域都得到了长足的发展，并被广泛应用于文本识别、手写字体识别、人脸图像识别、基因分类及时间序列预测

BP (Back Propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照**误差逆向传播算法**训练的多层前馈神经网络，是应用最广泛的神经网络。BP神经网络由输入层、输出层和之间若干层(一层或多层）隐含层构成，每一层可以有若干个节点。层与层之间节点的连接状态通过权重来体现。只有一个隐含层的时候，这样的BP神经网络属于传统的浅层神经网络**;当有多个隐含层的时候，这样的BP神经网络属于**深度学习的神经网络。

KNN(K-Nearest Neighbor即K近邻),监督学习算法。当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断属于哪个类别。做分类也可以做回归。