2、機器學(xué)習(xí)

圖3 機器學(xué)習(xí)常見算法圖形表示

機器學(xué)習(xí)考察計算機如何基于數(shù)據(jù)學(xué)習(xí)。其主要研究領(lǐng)域之一是，計算機程序基于數(shù)據(jù)自動地學(xué)習(xí)識別復(fù)雜的模式，并做出智能的決斷。機器學(xué)習(xí)是一個快速成長的學(xué)科，在這里，我們?yōu)榇蠹医榻B一些與數(shù)據(jù)挖掘相關(guān)的經(jīng)典的、機器學(xué)習(xí)問題。

監(jiān)督學(xué)習(xí)：基本上是分類的同義詞。學(xué)習(xí)中的監(jiān)督來自于訓(xùn)練數(shù)據(jù)集中被標(biāo)記的實例。

無監(jiān)督學(xué)習(xí)：本質(zhì)上是聚類的同義詞。學(xué)習(xí)過程是無監(jiān)督的，因為輸入實例沒有類標(biāo)記。

半監(jiān)督學(xué)習(xí)：是一類機器學(xué)習(xí)技術(shù)，在學(xué)習(xí)模型時，它使用標(biāo)記的和未標(biāo)記的實例。在一種方法中，標(biāo)記的實例用來學(xué)習(xí)類模型，而未標(biāo)記的實例用來改進類邊界。

主動學(xué)習(xí)：是一種機器學(xué)習(xí)方法，它讓用戶在學(xué)習(xí)過程中扮演主動角色。主動學(xué)習(xí)方法可能要求用戶對可能來自未被標(biāo)記的實例集或由學(xué)習(xí)程序合成的實例進行標(biāo)記。給定可以標(biāo)記的實例數(shù)量的約束，目的是通過主動地從用戶獲取知識來提高模型的質(zhì)量。

3、深度學(xué)習(xí)

圖4 深度學(xué)習(xí)是一種新的思維方式

深度學(xué)習(xí)是機器學(xué)習(xí)研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像，聲音和文本。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示�；逎�難懂的概念，略微有些難以理解，但是在其高冷的背后，卻有深遠的應(yīng)用場景和未來。

到了當(dāng)下，經(jīng)過深度學(xué)習(xí)技術(shù)訓(xùn)練的機器在識別圖像時比人類更好，比如識別貓、識別血液中的癌細胞特征、識別MRI掃描圖片中的腫瘤。