欢迎使用CSDN-markdown编辑器

机器学习简介（摘抄）

本文参考SAP公司机器学习所做的学习笔记，仅供个人学习使用。

• 人工智能、机器学习和深度学习常常互换使用，但是这些技术并不相同。简单地说，AI 是一个更广泛的概念，指的是能够智能行动的机器。机器学习和深度学习是 AI 的一个子概念，其基本理念是通过让机器访问大量数据，让机器具备自主学习能力。下面为你详细解释机器学习和深度学习以及其他重要术语。

什么是机器学习？

　　简单地说，机器学习就是通过为计算机提供大量数据，让计算机学会如何识别模式和建立联系。当需要完成特定的任务时，机器会利用大数据和先进的算法自己学会如何执行任务，而不用我们对软件进行专门的编程。机器学习赋予了应用思考能力，支持应用独立作出判断或预测，这远远超出了预测分析和大数据分析的范畴，很多时候甚至超出了人类的能力范围。例如，在线零售环境中广泛使用的推荐引擎就运用了机器学习技术。

什么是深度学习？

　　深度学习（有时被称为“认知计算”）是一种高级的机器学习。该技术利用多层/深度的神经网络，模拟人类的思维过程。这些网络由很多小的计算节点组成，这些节点就像人脑的神经突触。利用输入的数据集和先进的算法，机器能够帮助你解决复杂的非线性问题。语音识别、图像识别和自然语言处理等突破性技术都离不开深度学习。下面列出了一些热门的深度学习示例：
人脸识别
无人驾驶　　

什么是监督学习？

　　机器有三种“学习”方式：
监督学习：采用这种方式时，人们标记输入和输出对象，然后模型会识别连接输入和输出对象的规则。
半监督学习（或强化学习）：在反复试验过程中，机器会因为自己的行为得到奖励或惩罚，然后算法会进行相应的调整。
无监督学习：算法自行挖掘数据（有时是集群数据）中的模式。
　　不论采用哪种训练方式，机器都能自己从数据中学习知识，并随着时间的推移不断吸收新的行为和功能。最终，你将得到一个可基于数据预测结果的模型。并且，为了提高准确性，该模型会定期接受重新调校。

　　事实上，在我看来，深度学习就好比是一个走迷宫的游戏。传统的机器学习就好像是在几十只甚至上百只小白鼠尾巴上绑上线，然后驱赶它们进入迷宫，这期间，有的小白鼠遇到了死胡同，又不得不原路返回重新选择一个岔路口，但有时候又会一下子找到出口，所以整体来说效率低、不确定性高。

　　而现代的深度学习技术就像是往迷宫里灌水，倘若一个入口就对应着一个出口的话，水会很快就流到出口，这样来看，相比于原有的机器学习技术来说，无疑效率会提高很多。