机器学习导论（1）

1.机器学习、深度学习和人工智能区别和联系
   机器学习是人工智能的一个分支，除机器学习之外，人工智能还包含模式识别，机器翻译等分支；
   深度学习是机器学习的一种方法，是为了解决机器学习中如图像识别等问题提出来的方法；
   人工智能的落地在于机器学习。

2.数据、数据分析和数据挖掘区别和联系
   数据：即观测值，如测量数据；
   信息：可信的数据；
   数据分析：从数据到信息的整理、筛选和加工过程；
   数据挖掘：对信息进行价值化的分析；
   机器学习是数据挖掘的一种方法，用机器学习的方法进行数据挖掘。
   各种技术之间是着相互交叉联系的：

   可以看出，机器学习和模式识别都是都是达到人工智能目标的手段之一，对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。
   3.什么是机器学习
   机器学习是一门研究如何通过计算手段来，利用已有数据（经验）来改善计算机性能的学科，是人工智能的核心，是使得计算机具有智能的根本途径，应用遍及人工智能各个领域。
   机器学习的目标就是产生机器学习模型。数据+机器学习算法=机器学习模型
   判断一个问题是否可用机器学习方法解决在于看是否有预测过程：
    机器学习问题：
     （1）确定收到的邮件是否为垃圾邮件；
     （2）考虑购物习惯，推荐感兴趣商品；
     （3）根据病人情况确定属于什么疾病。
    非机器学习问题：
     （1）选择统计课程中成绩最高的学生；
     （2）计算一组数据平均值大小。
   4.基于规则的学习和基于模型的学习
    基于规则的学习是硬编码的方式进行学习，下图为垃圾邮件分类例子

    基于模型的学习是通过数据构建机器学习模型，通过机器学习模型预测，本质学习的是模型的参数，下图为学习过程。