机器学习深入与强化--概念

一、机器学习的概念

计算机模拟人的学习行为，以获取新的知识和经验，并重新组织已有的知识使之不断的完善。简单说就是，计算机从数据中学习出规律和模式，以应用在新的数据上做预测任务。

二、人工智能（AI）、机器学习（ML）和深度学习（DL）

三者的关系可以用如下的同心圆进行表达。一种技术的发展最先出现的都是概念，然后再逐渐的学习和研究，最后出现越来越完善的技术。人工智能就是那个最早出现的概念，即为机器赋予人的智能。机器学习是实现人工智能的一种方法。而深度学习是机器学习中的一种重要算法。深度学习最近很热，它的算法尽管已经比较成熟了，但依然有很多的挑战，比如要得到最佳的参数就需要喂给机器更多的数据，数据越多，机器越聪明。这时就遇到了大数据问题，主要的解决方法就是利用分布式存储与计算。另外，随着神经网络层数的增加和计算节点的增加，计算量也会随之增大，这对计算机的计算能力也有了更高的要求，解决方法就是利用GPU，比CPU更加强大的计算功能。

三、机器学习的分类

主要分为有监督学习和无监督学习。

有监督学习：对有概念标记的训练样本进行学习。一般使用两种类型的目标变量：标称型和数值型，分别用于分类和回归。标称型目标变量的结果只在有限的目标集中取值，如真假、动物分类集合等。数值型主要用于回归分析，预测数值的大小。

无监督学习：对没有概念标记的训练样本进行学习，以发现数据样本中的结构性知识。聚类就是典型的无监督学习。