1,rule-based
最開始,全部認為的去分析資料,從資料處理到資料分析到最後出結果全部人工,中間可能會借助一些工具
2,機器學習
前期特徵提取階段靠人工,稱之為特徵工程,後期資料分析比如決策靠機器靠演算法.
優點:節省了大量人力,而且機器準確度比人為高
缺點:任然依靠人工構建特徵工程,特徵選擇任然會有遺漏,或者無效特徵加入.
3,深度學習
深度學習就是神經網路,只是把隱藏層加深了而已
深度學習的出現就是為了在機器學習之上解決自動構建特徵工程,自動選擇特徵問題
優點:比人為構建特徵工程更加科學
缺點:無法知道是哪個特徵對目前值造成了影響,特徵全部被遮蔽了
機器學習深度學習
機器學習與深度學習，人工智慧 這些領域，如果機器需要向人學習，那麼，人是如何學習的，或者人思維是如何運作的。構 的乙個思維生態 閉環 目前機器學習人工智慧的取得較大發展是依託統計概率論。如果機器需要有自己的ai，那麼是否意味著人在創造生命。因為，生命可以不斷的延續。那麼什麼是生命，生命由那些構成，構...
機器學習 深度學習
深度學習歷程 深度學習是一種機器學習方法，給定一組輸入 值輸入或者傳出計算機資訊 它允許我們訓練人工智慧來 輸出。吳恩達 與深度學習類似的是，火箭發動機是深度學習模型，燃料是我們可以提供給這些演算法的海量資料。神經網路是一組粗略模仿人類大腦，用於模式識別的演算法。1981 年 諾貝爾獎，人的視覺系統...
機器學習 深度學習概念
機器學習 machine learning 是一門專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能的學科。深度學習 deep learning 是機器學習研究中的乙個新的領域，其動機在於建立 模擬人腦進行分析學習的神經網路，它模仿人腦的機...