【机器学习自学笔记1】 从机器学习谈起

时间：2016.10.26

原文链接：http://www.cnblogs.com/subconscious/p/4107357.html

一、什么是机器学习

广义上：机器学习是一种能够赋予机器学习的能力依次完成直接变成无法实现的功能的方法。

实践上：机器学习方法是计算机利用已有的数据，得出某种模型，并利用此模型预测未来的一种方法。

机器学习的过程：数据——对数据通过机器学习算法进行处理（训练），处理的结果（模型）——模型被用来对新数据进行预测。

机器学习的过程类似于人类的思考：经验——总结出规律——对未来的推测。

二、机器学习的范围

从范围上来说，机器学习跟模式识别、统计学习、数据挖掘类似。同时机器学习与其他领域的处理技术进行结合，形成了计算机视觉、语音识别、自然语言处理等交叉学科。因此，一般说数据挖掘等同于机器学习。

模式识别 = 机器学习，只不过模式识别从工业界发展，而机器学习来源于计算机学科。

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算法在数据库中的优化。

统计学习近似于机器学习，机器学习中的大多数方法来自统计学。两者的区别在于，统计学习更关注与统计模型的发展与优化（偏数学），而机器学习更关注与解决问题（偏实践），因此机器学习研究者会终点研究算法在计算机上执行的效率与准确性。

计算机视觉 = 机器学习 + 图像处理。应用：百度识图、车牌识别、手写字符识别。

语音识别 = 机器学习 + 语音处理。应用：siri。

自然语言处理 = 机器学习 + 文本处理。应用：机器翻译。

三、机器学习与深度学习的关系

深度学习属于机器学习的一个方向。

深度学习在本质上属于神经网络发展到多隐藏层的情况。

四、机器学习的方法

按照训练的数据有无标签可以分为监督学习和无监督学习算法。但是推荐算法不属于监督学习，也不属于无监督学习。

1）监督学习：

a）回归算法

b）神经网络

c）SVM（支持向量机）

2）无监督学习

a）聚类算法

b）降维算法

3）推荐算法

4）其他算法：高斯判别、朴素贝叶斯、决策树等等。

五、大数据与机器学习的关系

机器学习是大数据分析中的一种方法。

六、机器学习与人工智能的关系

人工智能是机器学习的父类，是所有黑科技的总称。