人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)：
人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別? - 知乎 https://www.zhihu.com/question/57770020
一、機(jī)器學(xué)習(xí)基本算法：
這里是一個(gè)常用的機(jī)器學(xué)習(xí)算法名單。這些算法幾乎可以用在所有的數(shù)據(jù)問題上：
線性回歸
邏輯回歸
決策樹
SVM
樸素貝葉斯
K最近鄰算法
K均值算法
隨機(jī)森林算法
降維算法
Gradient Boost 和 Adaboost 算法
十種深度學(xué)習(xí)算法要點(diǎn)及代碼解析 - CSDN博客 http://blog.csdn.net/northhan/article/details/72724058
分類1：
監(jiān)督學(xué)習(xí)算法：
線性回歸，邏輯回歸，神經(jīng)網(wǎng)絡(luò)，SVM
無監(jiān)督學(xué)習(xí)算法：
聚類算法，降維算法
特殊算法：
推薦算法
分類2：
機(jī)器學(xué)習(xí)算法可以被分為三大類—監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，和強(qiáng)化學(xué)習(xí)。有監(jiān)督的學(xué)習(xí)在數(shù)據(jù)集（訓(xùn)練集）的屬性（標(biāo)簽）已知的條件下是有用的，但是在沒有標(biāo)簽時(shí)，就失去作用了，需要使用其他方法來進(jìn)行預(yù)測(cè)。當(dāng)我們面臨的是沒有標(biāo)記的數(shù)據(jù)（屬性沒有預(yù)先賦值），并且需要我們發(fā)現(xiàn)其中隱含的關(guān)系時(shí)，非監(jiān)督學(xué)習(xí)就會(huì)很有用。增強(qiáng)學(xué)習(xí)介于這兩個(gè)極端之間——對(duì)于每一個(gè)預(yù)測(cè)步驟或動(dòng)作，都會(huì)有某種形式的反饋，但是沒有確切的標(biāo)簽或著錯(cuò)誤信息。因?yàn)檫@是一個(gè)入門課，我并不了解強(qiáng)化學(xué)習(xí)。但我希望這10個(gè)有監(jiān)督和無監(jiān)督學(xué)習(xí)算法就足夠引起你的興趣。
ML 工程師需了解的 10 大算法 - 文章 - 伯樂在線 http://blog.jobbole.com/104457/
二、機(jī)器學(xué)習(xí)的相關(guān)范圍的學(xué)科與研究領(lǐng)域
模式識(shí)別
模式識(shí)別=機(jī)器學(xué)習(xí)。兩者的主要區(qū)別在于前者是從工業(yè)界發(fā)展起來的概念，后者則主要源自計(jì)算機(jī)學(xué)科。在著名的《Pattern Recognition And Machine Learning》這本書中，Christopher M. Bishop在開頭是這樣說的“模式識(shí)別源自工業(yè)界，而機(jī)器學(xué)習(xí)來自于計(jì)算機(jī)學(xué)科。不過，它們中的活動(dòng)可以被視為同一個(gè)領(lǐng)域的兩個(gè)方面，同時(shí)在過去的10年間，它們都有了長足的發(fā)展”。
數(shù)據(jù)挖掘
數(shù)據(jù)挖掘=機(jī)器學(xué)習(xí)+數(shù)據(jù)庫。這幾年數(shù)據(jù)挖掘的概念實(shí)在是太耳熟能詳。幾乎等同于炒作。但凡說數(shù)據(jù)挖掘都會(huì)吹噓數(shù)據(jù)挖掘如何如何，例如從數(shù)據(jù)中挖出金子，以及將廢棄的數(shù)據(jù)轉(zhuǎn)化為價(jià)值等等。但是，我盡管可能會(huì)挖出金子，但我也可能挖的是“石頭”啊。這個(gè)說法的意思是，數(shù)據(jù)挖掘僅僅是一種思考方式，告訴我們應(yīng)該嘗試從數(shù)據(jù)中挖掘出知識(shí)，但不是每個(gè)數(shù)據(jù)都能挖掘出金子的，所以不要神話它。一個(gè)系統(tǒng)絕對(duì)不會(huì)因?yàn)樯狭艘粋€(gè)數(shù)據(jù)挖掘模塊就變得無所不能(這是IBM最喜歡吹噓的)，恰恰相反，一個(gè)擁有數(shù)據(jù)挖掘思維的人員才是關(guān)鍵，而且他還必須對(duì)數(shù)據(jù)有深刻的認(rèn)識(shí)，這樣才可能從數(shù)據(jù)中導(dǎo)出模式指引業(yè)務(wù)的改善。大部分?jǐn)?shù)據(jù)挖掘中的算法是機(jī)器學(xué)習(xí)的算法在數(shù)據(jù)庫中的優(yōu)化。
統(tǒng)計(jì)學(xué)習(xí)
統(tǒng)計(jì)學(xué)習(xí)近似等于機(jī)器學(xué)習(xí)。統(tǒng)計(jì)學(xué)習(xí)是個(gè)與機(jī)器學(xué)習(xí)高度重疊的學(xué)科。因?yàn)闄C(jī)器學(xué)習(xí)中的大多數(shù)方法來自統(tǒng)計(jì)學(xué)，甚至可以認(rèn)為，統(tǒng)計(jì)學(xué)的發(fā)展促進(jìn)機(jī)器學(xué)習(xí)的繁榮昌盛。例如著名的支持向量機(jī)算法，就是源自統(tǒng)計(jì)學(xué)科。但是在某種程度上兩者是有分別的，這個(gè)分別在于：統(tǒng)計(jì)學(xué)習(xí)者重點(diǎn)關(guān)注的是統(tǒng)計(jì)模型的發(fā)展與優(yōu)化，偏數(shù)學(xué)，而機(jī)器學(xué)習(xí)者更關(guān)注的是能夠解決問題，偏實(shí)踐，因此機(jī)器學(xué)習(xí)研究者會(huì)重點(diǎn)研究學(xué)習(xí)算法在計(jì)算機(jī)上執(zhí)行的效率與準(zhǔn)確性的提升。
計(jì)算機(jī)視覺
計(jì)算機(jī)視覺=圖像處理+機(jī)器學(xué)習(xí)。圖像處理技術(shù)用于將圖像處理為適合進(jìn)入機(jī)器學(xué)習(xí)模型中的輸入，機(jī)器學(xué)習(xí)則負(fù)責(zé)從圖像中識(shí)別出相關(guān)的模式。計(jì)算機(jī)視覺相關(guān)的應(yīng)用非常的多，例如百度識(shí)圖、手寫字符識(shí)別、車牌識(shí)別等等應(yīng)用。這個(gè)領(lǐng)域是應(yīng)用前景非?；馃岬?，同時(shí)也是研究的熱門方向。隨著機(jī)器學(xué)習(xí)的新領(lǐng)域深度學(xué)習(xí)的發(fā)展，大大促進(jìn)了計(jì)算機(jī)圖像識(shí)別的效果，因此未來計(jì)算機(jī)視覺界的發(fā)展前景不可估量。
語音識(shí)別
語音識(shí)別=語音處理+機(jī)器學(xué)習(xí)。語音識(shí)別就是音頻處理技術(shù)與機(jī)器學(xué)習(xí)的結(jié)合。語音識(shí)別技術(shù)一般不會(huì)單獨(dú)使用，一般會(huì)結(jié)合自然語言處理的相關(guān)技術(shù)。目前的相關(guān)應(yīng)用有蘋果的語音助手siri等。
自然語言處理
自然語言處理=文本處理+機(jī)器學(xué)習(xí)。自然語言處理技術(shù)主要是讓機(jī)器理解人類的語言的一門領(lǐng)域。在自然語言處理技術(shù)中，大量使用了編譯原理相關(guān)的技術(shù)，例如詞法分析，語法分析等等，除此之外，在理解這個(gè)層面，則使用了語義理解，機(jī)器學(xué)習(xí)等技術(shù)。作為唯一由人類自身創(chuàng)造的符號(hào)，自然語言處理一直是機(jī)器學(xué)習(xí)界不斷研究的方向。按照百度機(jī)器學(xué)習(xí)專家余凱的說法“聽與看，說白了就是阿貓和阿狗都會(huì)的，而只有語言才是人類獨(dú)有的”。如何利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行自然語言的的深度理解，一直是工業(yè)和學(xué)術(shù)界關(guān)注的焦點(diǎn)。
可以看出機(jī)器學(xué)習(xí)在眾多領(lǐng)域的外延和應(yīng)用。機(jī)器學(xué)習(xí)技術(shù)的發(fā)展促使了很多智能領(lǐng)域的進(jìn)步，改善著我們的生活。
參考博客：
圖解機(jī)器學(xué)習(xí) - 文章 - 伯樂在線 http://blog.jobbole.com/112779/
從機(jī)器學(xué)習(xí)談起 - 文章 - 伯樂在線 http://blog.jobbole.com/83400/
ML 工程師需了解的 10 大算法 - 文章 - 伯樂在線 http://blog.jobbole.com/104457/
