深度学习是高度数据依赖型的算法。它的性能,通常是随着数据量的增加而不断增强的。
人工神经网络的强大之处在于,它拥有很强的学习能力。在得到一个训练集合之后,通过学习,提取到所观察事物的各个部分的特征,特征之间用不同的网络节点连接,通过训练链接的权重,改变每一个链接的强度,直到顶层的输出得到正确的答案。
- 机器学习的三大门派:
- 监督学习大体分为回归分析和分类学习。
- 回归分析主要包括线性回归和逻辑回归。
回归问题也分为学习和预测两大部分。 - 非监督学习本质上是聚类学习
- 半监督学习就是以“已知之认知(标签化的分类信息)”,扩大“未知之领域(通过聚类思想将未知事物归类为已知事物)”。
- 强化学习(Reinforcement Learning)
- 强化学习强调的是,在一系列的情景之下,选择最佳决策,它讲究通过多步恰当地决策,来逼近一个最优的目标。
- 强化虚席并不需要出现正确的“输入\输出对”,也不需要校正次优化的行为。
- 强化学习更专注于在线规划,需要在“探索”和“利用”中找到平衡