一、機(jī)器學(xué)習(xí) 一 監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別

機(jī)器學(xué)習(xí)任務(wù)根據(jù)訓(xùn)練樣本是否有l(wèi)abel，可以分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)的訓(xùn)練樣本有l(wèi)abel，主要是學(xué)習(xí)得到一個(gè)特征空間到label的映射，如分類、回歸等

無(wú)監(jiān)督學(xué)習(xí)的訓(xùn)練樣本沒(méi)有l(wèi)abel，主要是發(fā)現(xiàn)樣本的內(nèi)部結(jié)構(gòu)，如聚類、降維、可視化等

二、基于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的算法有哪些

很多，主要說(shuō)下監(jiān)督學(xué)習(xí)這塊的算法哈。歡迎討論。

1. svm，支撐向量機(jī)，通過(guò)找到樣本空間中的一個(gè)超平面，實(shí)現(xiàn)樣本的分類，也可以作回歸，主要用在文本分類，圖像識(shí)別等領(lǐng)域，詳見(jiàn)：；

2. lr，邏輯回歸，本質(zhì)也是線性回歸，通過(guò)擬合擬合樣本的某個(gè)曲線，然后使用邏輯函數(shù)進(jìn)行區(qū)間縮放，但是一般用來(lái)分類，主要用在ctr預(yù)估、推薦等；

3. nn，神經(jīng)網(wǎng)絡(luò)，通過(guò)找到某種非線性模型擬合數(shù)據(jù)，主要用在圖像等；

4. nb，樸素貝葉斯，通過(guò)找到樣本所屬于的聯(lián)合分步，然后通過(guò)貝葉斯公式，計(jì)算樣本的后驗(yàn)概率，從而進(jìn)行分類，主要用來(lái)文本分類；

5. dt，決策樹，構(gòu)建一棵樹，在節(jié)點(diǎn)按照某種規(guī)則（一般使用信息熵）來(lái)進(jìn)行樣本劃分，實(shí)質(zhì)是在樣本空間進(jìn)行塊狀的劃分，主要用來(lái)分類，也有做回歸，但更多的是作為弱分類器，用在model embedding中；

6. rf，隨進(jìn)森林，是由許多決策樹構(gòu)成的森林，每個(gè)森林中訓(xùn)練的樣本是從整體樣本中抽樣得到，每個(gè)節(jié)點(diǎn)需要進(jìn)行劃分的特征也是抽樣得到，這樣子就使得每棵樹都具有獨(dú)特領(lǐng)域的知識(shí)，從而有更好的泛化能力；

7. gbdt，梯度提升決策樹，實(shí)際上也是由多棵樹構(gòu)成，和rf不同的是，每棵樹訓(xùn)練樣本是上一棵樹的殘差，這體現(xiàn)了梯度的思想，同時(shí)最后的結(jié)構(gòu)是用這所有的樹進(jìn)行組合或者投票得出，主要用在推薦、相關(guān)性等；

8. knn，k最近鄰，應(yīng)該是最簡(jiǎn)單的ml方法了，對(duì)于未知標(biāo)簽的樣本，看與它最近的k個(gè)樣本(使用某種距離公式，馬氏距離或者歐式距離)中哪種標(biāo)簽最多，它就屬于這類；

三、想要學(xué)習(xí)人工智應(yīng)該怎么入門？

想要學(xué)習(xí)人工智應(yīng)該怎么入門：業(yè)余愛(ài)好的話，最好把算法與數(shù)據(jù)結(jié)構(gòu)學(xué)好，這是基礎(chǔ)，最好有良好的編程水平，多思考什么才是智能這個(gè)問(wèn)題，對(duì)實(shí)際的一些問(wèn)題或者經(jīng)典的問(wèn)題提出自己的解法，然后去實(shí)現(xiàn)，逐漸地就會(huì)找到自己對(duì)人工智能的理解。

一、有關(guān)人工智能的介紹：人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類智慧的“容器”，也可能超過(guò)人的智能。

二、研究?jī)r(jià)值：例如繁重的科學(xué)和工程計(jì)算本來(lái)是要人腦來(lái)承擔(dān)的，如今計(jì)算機(jī)不但能完成這種計(jì)算，而且能夠比人腦做得更快、更準(zhǔn)確，因此當(dāng)代人已不再把這種計(jì)算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”，可見(jiàn)復(fù)雜工作的定義是隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能這門科學(xué)的具體目標(biāo)也自然隨著時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。

通常，“機(jī)器學(xué)習(xí)”的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計(jì)學(xué)”、“信息論”和“控制論”。還包括其他非數(shù)學(xué)學(xué)科。這類“機(jī)器學(xué)習(xí)”對(duì)“經(jīng)驗(yàn)”的依賴性很強(qiáng)。計(jì)算機(jī)需要不斷從解決一類問(wèn)題的經(jīng)驗(yàn)中獲取知識(shí)，學(xué)習(xí)策略，在遇到類似的問(wèn)題時(shí)，運(yùn)用經(jīng)驗(yàn)知識(shí)解決問(wèn)題并積累新的經(jīng)驗(yàn)，就像普通人一樣。我們可以將這樣的學(xué)習(xí)方式稱之為“連續(xù)型學(xué)習(xí)”。但人類除了會(huì)從經(jīng)驗(yàn)中學(xué)習(xí)之外，還會(huì)創(chuàng)造，即“跳躍型學(xué)習(xí)”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來(lái)，計(jì)算機(jī)最難學(xué)會(huì)的就是“頓悟”。或者再嚴(yán)格一些來(lái)說(shuō)，計(jì)算機(jī)在學(xué)習(xí)和“實(shí)踐”方面難以學(xué)會(huì)“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個(gè)“概念”直接到另一個(gè)“概念”。正因?yàn)槿绱耍@里的“實(shí)踐”并非同人類一樣的實(shí)踐。人類的實(shí)踐過(guò)程同時(shí)包括經(jīng)驗(yàn)和創(chuàng)造。這是智能化研究者夢(mèng)寐以求的東西。

四、怎么學(xué)習(xí)人工智能

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。人工智能可以對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過(guò)人的智能。

人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺(jué)等等，總的說(shuō)來(lái)，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時(shí)代、不同的人對(duì)這種“復(fù)雜工作”的理解是不同的。 2017年12月，人工智能入選“2017年度中國(guó)媒體十大流行語(yǔ)”。