什么是机器学习？

人工智能与机器学习和深度学习的关系

机器学习是人工智能的一个分支；
除了机器学习
数据挖掘
模式识别
深度学习：深度学习是机器学习的一种方法，是为了解决机器学习领域中如图像识别等问题提出
人工智能如何落地：依靠机器学习

数据分析、数据挖掘和机器学习的关系

数据：即观测值,如测量数据
信息：可信的数据。
数据分析：从数据到信息的整理、筛选和加工过程
数据挖掘：对信息进行价值化的分析
用机器学习的方法进行数据挖掘。机器学习是一种方法；数据挖掘是一件事情；还有一个相似的概念就是模式识别，这也是一件事情。而现在流行的深度学习技术只是机器学习的一种；

什么是机器学习？

机器学习，它正是这样一门学科，它致力于研究如何通过计算（CPU和GPU计算）的手段，利用经验来改善（计算机）系统自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，应用遍及人工智能各领域。

机器学习所研究的主要内容就是：
关于在计算机上从数据中产生“模型（model）”算法(学习算法)
数据+机器学习算法=机器学习模型
有了学习算法我们就可以把经验数据提供给它，它就能基于这些数据产生模型。
面对新的情况（没有切开的西瓜），模型会提供相应的判断（好西瓜or坏西瓜）

什么不是机器学习？

机器学习：从已有的经验中学习经验，从经验中去分析
(1)计算每种颜色箱子的个数？----确定的问题
(2)计算一组数据平均值大小？----数值计算问题

机器学习的目的是建立预测模型–看是否有预测的过程
(1)确定收到的邮件是否为垃圾邮件?（是）
(2)获取2014年世界杯冠军的名字？2018年？（不是）
(3)自动标记你在Facebook中的照片 （是）
(4)选择统计课程中成绩最高的学生(不是)
(5)考虑购物习惯，推荐相关商品?（是）
(6)根据病人状况确定属于什么疾病？（是）
(7)预测2018年人民币汇率涨or不涨？（是）
(8)计算公司员工的平均工资？（不是）

*基于规则的学习是硬编码的方式进行学习
*基于模型的学习是通过数据构建机器学习模型，通过模型来进行预测
*X(自变量，定义域----特征)------f(函数，映射---->模型)----Y（因变量，值域----结果）
*最终的目的是求解y=kx+b中的k和b
机器学习学习的是什么：
*学习的是模型
*学习的是模型中的k和b------参数------参数是需要学习的