人工智能-机器学习-深度学习小白入门

在过去的半年研究生学习过程中，CSDN作为IT人才的聚集地，为我在学习人工智能方面的知识提供了许多帮助。因此我决定记录我的学习过程，希望有朝一日能成为一名合格的程序媛，与其它朋友们交流讨论、相互学习。

人工智能-机器学习-深度学习是逐层包含又进一步深化的关系。深度学习更适合数量级比较大、应用任务较复杂的场景，如图像识别、语音识别、人脸识别。机器学习适用于几十、几百、几千的数据集，速度更快、效果更好。

回归：预测数据为连续性数值
根据数据集分布来做出回归线或超平面(SVM)来对未来数据进行预测
eg:根据已有的数据样本属性预测房价、股票（连续性数据）

监督学习-数据集带有标签
分类：预测数据为类别型数据，并且类别已知
eg:根据样本属性对数据集进行分类（如天气阴晴雨），类别已知

无监督学习(Unsupervised Learning)-数据集无标签，聚类后才知道属于哪类
聚类：预测数据为类别型数据，但是类别未知
eg:根据用户数据（购买次数、金额）进行归类，属性相近聚为一类，区分重点用户和普通用户（原数据类别位置，聚类后才定义了类别）

半监督学习

本人在学习过程中用到的一些参考资料：
AIMOOC网课
B站吴恩达老师Machine Learning课程
清华大学西瓜书
KnowingAI知智（公众号、B站同名）