使用計算機來解決問題，繞不過演算法，傳統演算法 由人來設定具體的規則，讓機器來執行。人是將，機器是兵。人勝於思考力，機器勝於執行力（計算速度快）。
後來發現有些問題，依靠傳統演算法，計算機難以解決，一方面問題越來越複雜，規則難以制定，或者說規則一直在變化，另一方面也遇到了一些在人看來很容易解決，但是機器規則難以制定的問題，比如人臉識別。
這就需要轉換思路。
不願當將軍的士兵不是好士兵，以前人是將，機器是兵。現在需要讓機器既要為將，也要為兵，既要為籌帷幄，又要決勝千里。也就是說讓機器自己去學習，去執行。
計算機的算力與日俱增。如何讓計算機你能夠具有人的思考力？參考人的學習過程。
人以所見所聞的經驗作為學習材料，通過思維進行學習（包括記憶、歸納、整理、總結等），學習獲得的結果就是知識和規律，學成之後應用所學的的知識和規律來應對新的問題。
機器以大量的資料作為學習材料，通過機器學習演算法進行學習，學習的過程稱為訓練，學習獲得的結果是模型，學成之後應用所學到的模型來判斷和**新的輸入樣例。
傳統機器學習和深度學習
托馬斯 貝葉斯 thomas bayes 同學的詳細生平在這裡。以下摘一段 wikipedia 上的簡介 所謂的貝葉斯方法源於他生前為解決乙個 逆概 問題寫的一篇文章，而這篇文章是在他死後才由他的一位朋友發表出來的。在貝葉斯寫這篇文章之前，人們已經能夠計算 正向概率 如 假設袋子裡面有n個白球，m個...
傳統機器學習
列1 列2 機器學習 方法 模型評估與選擇 效能度量 偏差與方差 線性模型 線性回歸 邏輯回歸 決策樹 資訊增益 剪枝 c4.5 神經網路 svm 對偶問題 核方法 貝葉斯分類器 極大似然估計 em演算法 整合學習 boosting bagging與隨機森林 深度森林 聚類 降維 k 近鄰 pca ...
漫談機器學習經典演算法 人工神經網路
更新 文章遷移到了這裡。有對應的ppt鏈結。注 整理自向世明老師的ppt 內容提要 1 發展歷史 2 前饋網路 單層感知器，多層感知器。徑向基函式網路rbf 3 反饋網路 hopfield網路。聯想儲存網路，som。boltzman及受限的玻爾茲曼機rbm，dbn，cnn 發展歷史 單層感知器 1 ...