机器学习技术介绍
- 让机器具有学习的能力，人工智能是人类想要达到的目的，能够像人一样的聪明，
- 机器通过学习方式来达到跟人一样甚至超越人的能力。
- 机器学习技术是达成人工智能的手段。
- 机器学习中包括基于数理统计的传统机器学习和基于人体仿生学的深度学习
机器学习相关的技术
- 监督学习
数据与标签已知，通过让模型来学习数据与标签之间的映射，对其他输入的数据来完成预测。
- 半监督学习
少部分数据标签已知，大部分数据无标签，考虑到标签成本问题，无标签数据可能也会对模型的学习产生一定作用。利用模型学习少部分的数据预与标签，让学习后的模型对未标签数据进行标记。
- 迁移学习
这里深度学习用的最多，利用针对某一任务已经训练好的权重对其他任务进行学习，可以起到事半功倍的作用。
- 无监督学习
数据标签未知，让模型学习数据的特征，将特征相似的数据点归类为一簇。例如：kmeans算法 - 结构化学习
这里深度学习中多一下，主要的数据有语音、图像、文本等接结构化数据，通过模型学习来达到语音识别、图像识别、文本识别等功能。 - 强化学习
未来的新方向，奖励学习、目前比较决策学习和行为学习。