机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答

1、机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率、模糊逻辑等有什么不同？

答：除了属于、具体目标和文化等，并没有什么本质的区别。它们都是概率的分支，对不确定性的理解和量化。概率本身就是逻辑的一种扩展。

2、概率和逻辑之间有什么不同？

答：两者并没有特别大的区别，除了，概率对不确定性的处理，逻辑对应着确定性。机器学习、统计等都是一种不确定性的事情。

逻辑对应着一系列条件和一个结论，要么结论遵循条件是真实的，否则是假的。

概率也对应着一系列条件和一个结论，虽然结论不是一种确定性，仅仅是一种概率。

3、在数学中，很多逻辑理论有不止一个的真值，而不是一般意义上的逻辑。那到底是如何解释呢？

答：逻辑的研究是数学上一个分支。此外，标准来评估这些特殊的真值逻辑，亚里士多德的二值逻辑，有时称为“元逻辑”，对应着唯一的对与错。仅存在一个逻辑。

4、概率是哲学的一个分支吗？特别是从认识论的角度分析。

答：当然，概率是认知论的一部分，正如很多书和文章上所证实的那样。几个世纪以来，几乎所有的这些仍然从数学实践者中隐藏。

概率也可以是纯粹的数据操作：理论、论证、文章、引理等。 方程一应俱全。但是，数学命题（如更多更好的药物A）就是哲学的境界。这同样适用于应用数据、理论

数学及其其他任何外部的命题（如：桥的承重是多少？）。

5、模糊逻辑和概率有么不同吗？

答：没有。有时模糊逻辑像数学一样，有很多真值，但是像概率一样，标准逻辑也用来评估理论自身。在实际应用中，模糊逻辑可以称之为事情的不确定性。模糊逻辑是概率的重发现之一，另一种说法吧·

6、什么是模型？

答：利用模型产生期望的结果。如果y = a + b*x，如果a和b是已知的，则这个方程是一个模型。如果a和b是不确定的，方程从决策模型变为概率模型。

7、探索性分析（EDA exploratory data analysis）是不是一个模型呢？

答：是的。有一些假设导向一些结论。模型不仅仅是一个数学模型。

8、概率和决策分析之间有什么不同？

答：一个赌注作用在不确定结果中，将变为一种决策。

有时，概率模型不是告诉我们结果的不确定性，而是一种决策。

9、统计模型？

答：有些过程无法用理论分析方法导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系，称为统计模型。

12、大数据？

第一，数据体量巨大。从TB级别，跃升到PB级别；

第二，数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。

第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

第四，处理速度快。

13、数据挖掘？

数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge
Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

14、深度学习？

答：浅学习的反义~ 复杂模型参数的估计或者拟合~

深度学习模型是一种神经网络~

转自：http://wmbriggs.com/blog/?p=6465