3分钟了解什么是机器学习

什么是人工智能?

人工智能(AI)，顾名思义，就是如何变得聪明。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来完成的任务;简而言之，它是通过计算机显示与人类相似的智能来执行人类智能的过程。

什么是机器学习

机器学习(ML)是使用算法对收集的数据进行分类或预测。在未来，当获得新的数据时，可以使用训练好的模型进行预测。如果这些性能评估可以通过使用过去的数据来改进来实现，则称为机器学习。

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?

这种深度学习技术被称为深度神经网络(dnn)。神经网络只是构造函数的一种方式。当我们提出问题并准备大量历史数据作为“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在训练后可以正确地训练。说出看不见的狗的名字，它们排列成一层一层地模仿人类的大脑，学习模式的模式。

想知道有什么不同吗?让我们逐一了解它们。

人工智能和机器学习的区别是什么?

机器学习是包含在人工智能中的一种架构。由于最近机器学习的普及，很多人误用了人工智能和机器学习。人工智能是一个广义的术语。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，只要看起来聪明，也可以称之为人工智能。

有没有什么无敌的机器学习算法(模型)可以应用到任何地方?

没有一种算法适用于所有的分析，这也被称为没有免费的午餐定理。需要在数据上下功夫，使用的模型根据数据的不同而不同。要讨论算法的质量，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模型，如逻辑回归、支持向量机、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……

机器学习可以用于股票市场、债券、基金预测吗?

仅仅依靠股票市场的历史数据是很难的，这通常被称为技术分析。原因是因为机器学习是寻找数据背后的规则。如果它背后的规则不断变化，机器基本上很难学习一些东西，但碰巧股票市场背后的规则会不断变化。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，就有80%的几率会第三次上涨，但有可能这个规则明天就会失败，甚至让你损失很多钱。但如果结合更多的信息，比如社交网络的实时语义分析或财经新闻，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确定股价下跌的概率，并做出买入动作。但也有可能有负面消息，但价格仍在上涨。比如比特币的负面消息不断上升，但价格却不断上涨，突破历史新高。另一方面，其他加密货币的价格没有负面消息，而是不断下跌。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?

数据科学只要是用数据来分析就可以称为数据科学，只能用传统的统计学来进行分析和预测。学会等量齐观。

统计学有许多数学证明和假设，它注重数学的可解释性。机器学习模型背后使用了很多统计学概念，比如线性回归，它也是从统计学中衍生出来的。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，因此被SVM等算法所取代。然而，由于近年来GPU硬件性能的增长，深度学习已经克服了以前的速度问题和成就。显然，在它成为热门话题之后，许多人将深度学习作为机器学习的一个独立领域进行讨论。而深度学习中“深度”这个名字的起源是因为在神经网络中有很多层，就像隐藏层一样，视觉上看起来非常深。