1、机器学习
机器学习的应用--大数据:数据挖掘与数据分析
机器学习的子类--深度学习
机器学习的父类,人工智能
机器学习的思考--计算机的潜意识
2、机器学习是一种让计算机利用数据而不是指令来进行各种工作的方法。机器学习方法是计算机利用已有的数据(经验),得出了某种模型(迟到的规律) 并利用此模型预测未来(是否迟到)的一种方法。
机器学习的一个主要目的就是把人类思考归纳经验的过程转化为计算机通过对数据的处理计算得出模型的过程。经过计算机得出的模型能够以近似于人的方式解决很多灵活复杂的问题。
从广义上来说,机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说,机器学习是一种通过利用数据训练出模型,然后使用模型预测的一种方法。
3、一般来说(不是绝对),数据越多,最后机器学习生成的模型预测的效果越好。机器学习中的“训练”与“预测”过程可以对应到人类的“归纳”和“推测”过程。
数据通过机器学习算法进行处理,这个过程在机器学习中叫做“训练”,处理的结果可以被我们用来对新的数据进行预测,这个结果一般称之为“模型”。对新数据 的预测过程在机器学习中叫做“预测”。“训练”与“预测”是机器学习的两个过程,“模型”则是过程的中间输出结果,“训练”产生“模型”,“模型”指导 “预测”。
4、机器学习的范围
模式识别=机器学习
数据挖掘=机器学习+数据库:大部分数据挖掘中的算法是机器学习的算法在数据库中的优化。
统计学习近似等于机器学习:机器学习中的大多数方法来自统计学,甚至可以认为,统计学的发展促进机器学习的繁荣昌盛。分别在于:统计学习者重点关注的是统计模型的发展与优化,偏数学,而机器学习者更关注的是能够解决问题,偏实践。
计算机视觉=图像处理+机器学习
语音识别=语音处理+机器学习
自然语言处理=文本处理+机器学习