机器学习入门基础

一，什么是人工智能
人工智能（Artificial Intelligence），英文缩写为 AI。它是研究使计算机来模拟人的某些思维过程和智能 行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。

二，人工智能应用领域

三，什么是机器学习
1、概念：英文名称Machine Learning(简称ML)的直译。机器学习是一种让计算机利用数据而不是指令来进行各种工作的 方法。
从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成 直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是 一种通过利用数据，训练出模型，然后使用模型预测的一种方法。

四，机器学习与人工智能联系
机器学习：一种实现人工智能的方法，负责预测
人工智能：负责行为
假设正在建造一辆无人驾驶车，现在卡在了停车标志这个具体问题上面。
•机器学习：汽车必须通过摄像头识别停车标志。我们构建了数以百万计的 街边物体照片数据集，并训练算法来预测哪些街边是有停车标志。
•人工智能：一旦汽车能够识别停车标志，它就需要决定何时采取刹车动作。 我们需要它能够根据不同的路况进行判断(例如，在湿滑的路面上要能知道 不能刹车刹的太快)，太早或太晚都是有危险的，这属于控制理论的范畴。

五，深度学习
深度学习：一种实现机器学习的技术
1. 深度学习模型需要大量的训练数据，才能展现出神奇的效果。
2. 有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得 用复杂的深度学习方法；
3. 深度学习的思想，来源于人脑的启发，但绝不是人脑的模拟，举个例子，给一 个三四岁的小孩看一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩也十 有八九能做出那是一辆自行车的判断，也就是说，人类的学习过程往往不需要大规 模的训练数据，而现在的深度学习方法显然不是对人脑的模拟。

六，AI/DL以及ML区别与联系
机器学习是一种实现人工智能的方法， 深度学习是一种实现机器学习的技术。 我们就用最简单的方法——同心圆，可 视化地展现出它们三者的关系。

七，什么是数据挖掘
数据挖掘——百度百科上指的是从大量的数据中通过算法搜索隐藏于 其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分 析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式 识别等诸多方法来实现上述目标。
数据挖掘——从大量数据中发现潜在的有价值的知识的过程
数据挖掘和机器学习是一门交叉学科，可以简单的理解为：数据挖掘=机器学习+数据库+统计学

八，数据挖掘最常见的六大任务
1. 分类问题（Classification） 训练数据有标注，输出是0 1
从训练样本中学习，构建一个函数（分类器），对样本的所属类别进行判别
2. 聚类问题（Clustering） 训练的没有标注
从数据中探索样本之间的相似性，把特征相似的样本聚为一类，是一种无目标的探索性分析（对于聚类的结果，需要在聚类完成后进行解读）
3. 回归问题（Regression） 输出是实数,
从训练样本中学习，构建一个函数，对样本的目标变量进行估值
4. 关联问题（Association）
从交易型数据中发现频繁关联出现的Item（商品），又称为购物篮分析
5. 序列问题（Sequence）
从顺序型数据中发现序列模式，例如9个月前买了PC的用 户，下一个月可能会买一根内存
6. 异常检测问题（Outlier Detection）
检测样本取值是否显著偏离常规，发现有意义的孤立点和异常值

九，跨行业数据挖掘标准流程