机器学习?人工智能?傻傻分不清楚?
人工智能并不是一个新的术语,它已经有几十年的历史了,大约从 80 年代初开始,计算机科学家们开始设计可以学习和模仿人类行为的算法。 在算法方面,最重要的算法是神经网络,由于过拟合而不是很成功(模型太强大,但数据不足)。尽管如此,在一些更具体的任务中,使用数据来适应功能的想法已经取得了显着的成功,并且这也构成了当今机器学习的基础。 在模仿方面,人工智能专注于图像识别,语音识别和自然语言处理。人工智能专家们花费了大量的时间来创建诸如边缘检测,颜色配置文件, N-gram ,语法树等。不过,这些进步还不足以达到我们的需求。 传统的机器学习: 机器学习(ML)技术在预测中发挥了重要的作用,ML经历了多代的发展,形成了具有丰富的模型结构,例如: 1.线性回归。 2.逻辑回归。 3.决策树。 4.支持向量机。 5.贝叶斯模型。 6.正则化模型。 7.模型集成(ensemb