大数据机器学习_概述

机器学习与人工智能的关系

1）人工智能
是科学，为机器赋予视觉、听觉、触觉、推理等智能；
专家系统：专门知识和经验的计算机智能程序系统。
2）机器学习
人工智能的计算方法
Logistic回归等
3）表示学习
浅层自编码器
4）深度学习
MLP
多层感知、卷积神经网络、深度循环网络、深度Q网络

深度学习方法和其它人工智能方法的共性和差异

人工智能大致分为三种学习方法或系统

• 基于规则的方法
  无可学习的模块
  输入的数据通过手工设计的程序直接获取特征然后输出

• 经典的机器学习方法或系统
  输入的数据通过手工设计的程序，经过特征映射获得输出

• 表示学习方法或系统

  • 非深度学习
    特征通过学习获得，通过特征映射输出
  • 深度学习
    学习得到简单的特征，然后通过附加的层去学习得到更多的特征，在通过特征映射输出结果

机器学习和数据挖掘的关系

• 机器学习是数据挖掘的重要工具
• 数据挖掘：主要利用机器学习技术（主要利用数据学习部分）来分析海量数据，利用数据库技术来管理海量数据

机器学习和统计学习的关系

机器学习=统计学习-模型和假设的检验

大数据机器学习的主要特点
1、面对与日俱增的数据量
2、实验数据量的增加
3、与日俱增的神经网络模型规模