机器学习与深度学习的算法分类

1）机器怎么学习?

（1）处理某个特定的任务,以大量的“经验”为基础。

（2）对任务完成的好坏,给予一定的评判标准。

（3）通过分析经验数据,任务完成得更好了。

2）机器学习的定义

（1）机器学习(Machine Learning, ML)主要研究计算机系统对于特定任务的性能,逐步进行改善的算法和统计模型。

（2）通过输入海量训练数据对模型进行训练,使模型掌握数据所蕴含的潜在规律,进而对新输入的数据进行准确的分类或预测。

（3）是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸优化、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

3）机器学习的过程

1）有监督学习(或叫监督学习): 提供数据并提供数据对应结果的机器学习过程。

有x和y值，知道如何精确的得出接近于y值。

2）无监督学习: 提供数据并且不提供数据对应结果的机器学习过程。

只有x值，但不知道y等于多少好。

3）强化学习: 通过与环境交互并获取延迟返回，进而改进行为的学习过程。

4）半监督学习就是有监督和无监督的结合。