制心一处，无事不办

机器学习

根据机器学习应用场景和学习方式的不同,可以简单的分为三类:无监督学习,半监督学习,有监督学习

特点:不需要提前知道数据集的类别标签
使用场景:
聚类: K-均值聚类,系统聚类,密度聚类
降维: 主成分分析算法,流形降维算法

特点:利用极少数有标签数据和大量的无标签数据进行学习

特点:使用大量的有标签数据

传统的机器学习算法主要有:
k-近邻(KNN)算法
朴素贝叶斯算法
决策树算法

深度学习

下图说明了人工智能,机器学习,深度学习三者之间的关系

和传统机器学习相比:
最大特点是端到端的学习.在进行学习前无需提取任何特征,可以通过深层的网络结构自动从原始数据提取有用的特征

深度学习方法,由于其端到端的特性,可以直接从原始数据中找到有用的信息,在预测时只使用对预测目标有用的内容,从而增强了其预测能力,不需要过多的人为干预,增强了预测结果的稳定性.