11、大数据分析：机器学习与深度学习的力量

大数据分析：机器学习与深度学习的力量

1. 相关工作概述

1.1 数据挖掘

数据挖掘主要基于从存储数据中发现和提取模式的方法与算法，但在此之前数据必须进行预处理。“数据挖掘”一词于 20 世纪 90 年代被创造出来，但实际上它是一个长期发展的行业。早期用于识别结果模式的技术包括 18 世纪的贝叶斯定理和 19 世纪的回归分析。随着计算机科学的发展和效率提升，数据集的规模和复杂性不断增加，数据的收集、存储和利用得到了极大的改善。被动的自动化数据处理以及机器学习的其他突破，如神经网络、聚类、进化算法（20 世纪 50 年代）、决策树（20 世纪 60 年代）和支持向量机（20 世纪 90 年代），都逐步提升了对实际数据的综合研究能力。

1.2 基于机器学习的分析

如今，人们越来越意识到机器人能够以极快的速度在大数据等领域执行复杂的数学计算。例如，谷歌汽车主要基于人工智能的核心技术。机器学习的另一个重要应用体现在 Netflix 和亚马逊等公司频繁给出的推荐上，这是机器学习在日常生活中的应用。此外，机器学习还可以与语言规则的开发相结合，Twitter 就采用了这种应用，使我们能够了解消费者对我们的评价。

1.3 基于深度学习的分析

自 21 世纪以来，深度学习在许多应用中变得越来越流行。如今，深度学习在生物医学成像、医疗保健中的疾病检测等许多重要且实用的应用中得到了广泛应用。以下是机器学习从上个世纪到本世纪的发展历程：
| 时间 | 事件 |
| ---- | ---- |
| 1950 年 | Alan 开发图灵测试 |
| 1960 年 | MIT 开发 ELIZA |