3分钟了解机器学习是什么

什么是人工智能?

人工智能(AI)，顾名思义，就是如何变得明智。简单来说，人工智能主要研究如何利用计算机的功能来完成一些必须由人类完成的任务;简而言之，它是通过计算机执行人类智能的过程，可以显示类似于人类的智能。

什么是机器学习

机器学习(ML)是利用算法对收集到的数据进行分类或预测。将来，当获得新的数据时，可以使用训练后的模型进行预测。如果这些性能评估可以通过使用过去的数据来改进，这就是机器学习。

ML具有广泛的应用，如推荐引擎、天气预报、人脸识别、指纹识别、车牌识别、医疗诊断辅助、测谎、文档分析、语音处理等。

什么是深度学习?

这种深度学习(DL)技术被称为深度神经网络(DNNs)。神经网络只是一种构造函数的方式。当我们提出问题并准备大量历史资料作为“考古问题”时，我们希望能够训练神经网络看到新的问题并正确地回答:例如，用于狗识别的神经网络经过训练后可以正确地训练。给看不见的狗命名，分层排列，模仿人类大脑，学习模式中的模式。

想知道区别在哪里吗?让我们一个一个来了解它们。

人工智能和机器学习的区别是什么?

机器学习是人工智能的一个架构。由于最近机器学习的流行，很多人滥用人工智能和机器学习。人工智能是一个宽泛的术语。只要能表现出智能行为，就可以称之为人工智能。即使背后有很多规则基础，但只要看起来聪明，也可以称之为人工智能。

有没有一种无敌的机器学习算法(模型)可以应用于任何机器学习?

没有一种算法适合所有的分析，这也被称为没有免费的午餐定理。在数据上下功夫是必要的，所使用的模型根据数据的不同而不同。为了讨论算法的质量，它必须基于特定的问题类型。但也有一些基于经验法则的有用的模型，如Logistic回归、SVM、随机森林，以及深度学习中常见的模型:CNN(图像识别)、RNN(文本、语音)、GAN等……

机器学习能应用于股票市场、债券、基金预测吗?

仅仅依靠股市的历史数据，也就是通常所说的技术分析，是很困难的。原因是机器学习是寻找数据的规则。如果它背后的规则一直在变化，机器学习东西基本上是困难的，但它发生了，股票市场背后的规则会一直变化。假设机器使用过去十年的数据发现，只要某条k线连续上涨两次，第三次上涨的概率是80%，但有可能这个规则明天就会失效，甚至让你损失很多钱。但如果结合更多的信息，比如社交网络或财经新闻的实时语义分析，如果今天有关于iPhone电池爆炸的信息，机器学习程序可以立即判断股价下跌的概率，并做出买入动作，这是可能的。但也有可能出现负面消息，但价格仍在上涨。比如比特币的负面新闻不断上升，但价格却不断上涨，屡创新高。另一方面，其他加密货币的价格没有负面消息，反而持续下跌。因此，用机器学习来预测股票市场的成功是相当困难的。

机器学习、数据科学和统计学之间的区别是什么?

数据科学只要用数据进行分析就可以称为数据科学，而只能用传统的统计学进行分析和预测。学会等同起来。

统计学有很多数学证明和假设，它关注数学的可解释性。机器学习模型背后使用了很多统计概念，比如线性回归，它也是从统计中衍生出来的。此外，在实践中，许多机器学习依赖经验规则和结果理论进行推断。例如，根据预测结果来判断哪个模型更好，而不是通过数学推导来证明。

机器学习的种类?

1. 监督式学习
2. 无监督学习
3. Semi-supervised学习
4. 强化学习

机器学习和深度学习的区别是什么?

深度学习原本是机器学习的一部分，但当时深度学习的速度太慢，所以被SVM等算法取代。但由于近年来GPU硬件性能的增长，深度学习克服了以往的速度问题和成绩。显然，在深度学习成为一个热门话题后，许多人将其作为一个独立于机器学习的领域来讨论。而深度学习中“深度”这个名字的由来，是因为在类似神经网络的隐藏层中有很多层，在视觉上看起来非常深。