初识深度学习

---

前言

深度学习初识

---

人工智能➡机器学习➡深度学习

• 人工智能：能够感知、推理、行动和适应的程序。
• 机器学习：能够随着数据量的增加不断改进性能的算法。
• 深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习。

传统系统：数据+规则 = 答案
机器学习：数据+答案 = 规则
机器学习一般上是基于数学，或统计学方法

机器学习算法

KNN：K最近邻居（K-Nesrest Neighbors，简称KNN）

• 距离
• 监督学习算法，用于分类和回归问题。基本思想是通过测量不同数据点之间的距离来进行预测。KNN的工作原理可以概括为以下几个步骤：
  1、距离度量：KNN使用距离度量（通常是欧氏距离）来衡量数据点之间的相似性。
  2、确定邻居数量K。
  3、投票机制。

决策树

• 层层递进（二叉树）
• 基尼系数：Gini（D）

朴素贝叶斯

• 贝叶斯公式