“机器学习”的理解

什么是人工智能

人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。

什么是机器学习

是人工智能的一个分支，以机器学习为手段解决人工智能中的问题，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。

机器学习是对能通过经验自动改进的计算机算法（个人认为“模型”一词比“算法”更恰当）的研究。

什么是机器学习理论

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。

机器学习的方法是现代智能技术中十分重要的一个方面，主要研究如何从一些样本出发得出目前不能通过原理分析得到的规律，利用这些规律去分析客观对象，对未来数据或无法观测的数据进行预测。

什么是机器学习算法

机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。

因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。

机器学习应用领域

机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。

什么是深度学习

是机器学习拉出的分支，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法，是一种基于对数据进行表征学习的方法。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

几种“学习”

统计学习：关于计算机基于数据构建概率统计模型，并运用模型对数据进行预测与分析的一门学科。

机器学习：致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。

深度学习：机器学习中的神经网络算法的延伸，可以理解为包含很多个隐层的神经网络模型。