什么是机器学习

机器学习分以下几种

1. 监督学习

比如让一个小孩认识白菜、红萝卜的区别，给他看一百张白菜 一百张红萝卜的照片，让他自己理解猫狗的区别，则他就学习了白菜、红萝卜的识别。

给定一组带有标签（例如是或否、0或1）的图像，算法会学习如何将新的未标记图像分类为其中的一种。

2. 非监督学习

把两百张照片丢给一个小孩，告诉他 你觉得那几种照片长得像，就把他们分开放一起，最后自动会生成白菜、红萝卜的两组 或者几组其他的。

可以将一组未标记的图像分为多个组，每个组中的图像都具有相似的特征。

3. 半监督学习

半监督学习，先给小孩各看两张白菜、红萝卜的照片，告诉他这是白菜还是红萝卜，然后把剩余的照片给他，让他自己学习。

这种方法通常用于大型数据集，其中标记数据的收集成本很高，但无标记数据相对较容易获得。

4. 强化学习

一步步引导，说"白菜是有叶子的",你看看哪张照片里面有叶子的，如果正好选了红萝卜的照片有叶子就皱眉（分数底），再次引导说，"哎呀宝贝你太聪明了，马上就对了，红萝卜是红色的，你知道选哪个了吧"，一步步引导直到正确答案。

训练一个机器人在迷宫中移动，机器人会根据它所采取的行动获得奖励或惩罚。

深度学习

监督学习和非监督学习是两种不同的学习方式，深度学习是一种能够在这两种学习方式下进行有效学习的技术。

它利用多层神经网络来学习数据的表示和特征提取，以实现高效的数据分析和预测。它通过多层非线性变换来提高模型的表达能力，可以处理更加复杂的数据，并在图像、语音识别、自然语言处理、推荐系统等领域中取得了很大的成功。

深度学习的核心是神经网络模型，它由多个层次组成，每个层次都包含多个神经元，神经元之间相互连接，通过对输入数据进行加权和计算来生成输出结果。在深度学习中，通过不断地调整网络的权重和参数，以最小化损失函数，来训练模型并提高其性能。