一、什麼是機器學習
廣義上：機器學習是一種能夠賦予機器學習的能力依次完成直接變成無法實現的功能的方法。
實踐上：機器學習方法是計算機利用已有的資料，得出某種模型，並利用此模型**未來的一種方法。
機器學習的過程：資料——對資料通過機器學習演算法進行處理（訓練），處理的結果（模型）——模型被用來對新資料進行**。
機器學習的過程類似於人類的思考：經驗——總結出規律——對未來的推測。
二、機器學習的範圍
從範圍上來說，機器學習跟模式識別、統計學習、資料探勘類似。同時機器學習與其他領域的處理技術進行結合，形成了計算機視覺、語音識別、自然語言處理等交叉學科。因此，一般說資料探勘等同於機器學習。
模式識別 = 機器學習，只不過模式識別從工業界發展，而機器學習**於計算機學科。
資料探勘 = 機器學習 + 資料庫。大部分資料探勘中的演算法是機器學習演算法在資料庫中的優化。
統計學習近似於機器學習，機器學習中的大多數方法來自統計學。兩者的區別在於，統計學習更關注與統計模型的發展與優化（偏數學），而機器學習更關注與解決問題（偏實踐），因此機器學習研究者會終點研究演算法在計算機上執行的效率與準確性。
語音識別 = 機器學習 + 語音處理。應用：siri。
自然語言處理 = 機器學習 + 文字處理。應用：機器翻譯。
三、機器學習與深度學習的關係
深度學習屬於機器學習的乙個方向。
深度學習在本質上屬於神經網路發展到多隱藏層的情況。
四、機器學習的方法
按照訓練的資料有無標籤可以分為監督學習和無監督學習演算法。但是推薦演算法不屬於監督學習，也不屬於無監督學習。
1）監督學習：
a）回歸演算法
b）神經網路
c）svm（支援向量機）
2）無監督學習
a）聚類演算法
b）降維演算法
3）推薦演算法
4）其他演算法：高斯判別、樸素貝葉斯、決策樹等等。
五、大資料與機器學習的關係
機器學習是大資料分析中的一種方法。
六、機器學習與人工智慧的關係
人工智慧是機器學習的父類，是所有黑科技的總稱。
機器學習 學習筆記 1
一 問題的引入 回歸分析大多屬於監督學習的一種方法。這種方法主要是根據從貼有便簽的理算資料通，通過統計等方法得到數學模型，然後將模型運用於 或者分類。通常是多維的，如果存在高維空間時，可通過核函式等方法優化處理。例如房屋的價錢和很多因素有關，而每乙個因素也成為乙個維度。這裡和多臂 問題 multi ...
機器學習 學習筆記1
什麼是機器學習？監督學習 supervised learning 如神經網路，提供資料和資料的標籤進行訓練 非監督學習 unsupervised learning 只提供資料而不提供對應的標籤進行訓練 半監督學習 利用少量有標籤樣本和大量無標籤樣本進行訓練，來對無標籤樣本進行分類 強化學習 rein...
機器學習學習筆記1
周志華機器學習 flyu6 time 2016 6 12 假設空間 歸納偏好 監督學習 所謂的監督學習其實就是在資料集d中有格式為 x,y 的形式，可以看出我們有明確的目標值或者標籤 y 與x的資料集有關關聯關係。我們可以通過尋找x與y的關係來確定乙個關係化的模型。在這個模型的學習中，我們是通過真是...