Spring相关知识点

AI、ML、DL之间的联系

  什么是机器学习，搞清楚这个问题之前，我先讲一讲人工智能、机器学习、深度学习之间的关系。
  自从Google推出AlphaGo，并于2016年击败著名围棋选手李世石。AI自此之后大热。在哲学上讲，人工智能就是“重现人类认识世界的过程”。当然，目前我们只是朝此目标迈进了一小步。
  从概念上来看，人工智能包含机器学习和深度学习；机器学习又包含深度学习。人工智能非常依赖大数据。

机器学习的本质

哲学角度

  重现人类认识世界的过程

  目前，大部分人工智能的研究者还是将神经网络当作黑盒来处理。如果我们将神经网络的运作过程成功解读了出来，那么生物科学会不会也可能取得突破性进展，哲学也会取得巨大进步？

数学角度

  根据数据调整数学模型，寻求最优解

  这个过程涉及较多的统计学和概率学知识，深挖下去我也不太懂。

机器学习的分类

按照学习方式划分

	说明	解决问题
监督学习	输入人为标注的训练集，进行训练。	回归（数据结果连续） 分类（数据结果不连续）
非监督学习	输入没有任何标注的训练集，进行训练	聚类
强化学习	输入数据可以刺激模型并使模型做出反应，反馈从监督学习的过程中得到，还从环境的奖励和惩罚中得到	机器人

按照算法分类

	特点	来处
传统机器学习	训练数据为结构化数据（表格等等），模型可解释性强	基于早期数据挖掘学
深度学习	适用于图像、音频等非姐都化数据，模型可解释性弱	基于神经网络
强化学习	适用于需要探索和优化的区域，不一定需要结构化的数据	基于机器人学

分类和聚类的区别

分类是监督学习的结果之一，聚类是非监督学习的结果。

分类

在已有标准的情况下，对目标划分类别

聚类

在无任何标准的情况下，对目标划分类别

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 525244039@qq.com