一文读懂人工智能、机器学习、神经网络及深度学习关系.doc
《一文读懂人工智能、机器学习、神经网络及深度学习关系.doc》由会员分享,可在线阅读,更多相关《一文读懂人工智能、机器学习、神经网络及深度学习关系.doc(2页珍藏版)》请在三一文库上搜索。
1、一文读懂人工智能、机器学习、神经网络及深度学习关系前段时间看了不少关于人工智能方面的书籍博客和论坛,深深觉得了人工智能是个大坑,里面有太多的知识点和学科,要想深入绝非易事,于是萌发了自己写一些博客把自己的学习历程和一些知识点笔记都记录下来的想法,给自己一个总结收获,同时监督自己的动力,这样咱也算是“有监督学习”了:)Machine learning is the idea that there are generic algorithms that 正式的说法一般是把答案称之为标签label还有一种介于两者之间的混合学习方法,称为半监督学习在无监督学习中,主要是发现数据中未知的结构或者是趋势。
2、虽然原数据不含任何的标签,但我们希望可以对数据进行整合(分组或者聚类),或是简化数据(降维、移除不必要的变量或者检测异常值)。因此无监督算法主要的分类包含:- 聚类算法 (代表:K均值聚类,系统聚类)- 降维算法 (代表:主成份分析PCA,线性判断分析LDA)有监督学习,可以根据预测变量的类型再细分。如果预测变量是连续的,那这就属于回归问题。而如果预测变量是独立类别(定性或是定类的离散值),那这就属于分类问题了。因此有监督学习主要的分类包含:- 回归算法 (线性回归,最小二乘回归,LOESS局部回归,神经网路,深度学习)- 分类算法(决策树,支持向量机,贝叶斯,K-近邻算法,逻辑回归,随机森林
3、)这里面提到了很多的算法,目前还不需要一一去掌握,相信在今后的学习中会经常看到,先混个眼熟:)这些所有的算法中,目前最热的恐怕是深度学习了,但要了解深度学习必须先了解它的前任(前生,父类)。神经网络关于神经网络的介绍在网上有很多很多了,有不少大牛的介绍和课程,本人主要参考/推荐如下:神经网络浅讲:从神经元到深度学习用平常语言介绍神经网络因此不再赘述细节,做了一个不完全的总结图:好了,大体的一个机器学习的最最基本的概念总结完毕,其实学习这些基本概念还是比较简单方便的,毕竟我们有强大的搜索引擎,只要输入“机器学习”就能得到海量的知识让我们去学习,不过对于刚开始的初学者来说,先浅尝即止即可,有了一个框架性的了解,为后续的深入学习做准备。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 读懂 人工智能 机器 学习 神经网络 深度 关系
链接地址:https://www.31doc.com/p-3363279.html