机器学习的基础知识

Machine Learning (机器学习)的奥义: 使用计算机来彰显数据背后真实含义

机器学习技术的场景:

• 人脸识别

• 手写识别

• 垃圾邮件过滤

• 电商产品推荐

• 产品设计

• 药品研发

• …

机器学习和深度学习

源自ChatGPT3.5:

• 机器学习通过从数据中学习模式和规律来进行任务处理和预测，基于 统计学 和 数学模型 ，通过算法和技术来训练模型，以便从输入数据中提取有用的特征，并进行预测和决策

• 机器学习通常采用浅层结构的模型，例如 决策树、逻辑回归、支持向量机等

• 机器学习注重选择和设计合适的特征工程和模型算法，以及对数据的有效预处理和选择，适合处理较小规模的数据和较简单的问题

• 深度学习是机器学习的子集

• 深度学习侧重使用人工神经网络模型来模拟和解决复杂的问题

• 深度学习的核心是 深层 的神经网络结构: 神经网络由多个神经元层组成，每一层的输出作为下一层的输入

• 深度学习可以通过 非监督学习 或 监督学习 的方式进行训练

• 深度学习能够从 原始数据 中学习到 更高层次的抽象特征 ，并实现更准确的预测和分类

• 深度学习通过引入 更深层次的神经网络结构 来提高模型的 表达能力和学习能力 ，适合处理更复杂和大规模的数据

参考

• 「机器学习实战」