关于机器学习方面的名词解释

整理一些名词解释，方便自己以后查看

机器学习

1. 是一种实现人工智能的方法
2. 机器学习最基本的做法，是使用算法来解析数据，从中学习，然后对真实世界中的时间做出决策和预测
3. 机器学习使用大量的数据来‘训练’，通过各种算法从数据中学习如何完成任务
4. 从学习方法上来分，机器学习算法可以分为：监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习

深度学习

1. 是一种实现机器学习的技术
2. 深度学习，作为目前最热的机器学习方法，目前存在以下问题：
   1）深度学习模型需要大量的训练数据，但现实生活中往往会遇到小样本的问题
   2）有些领域，采用传统的简单的机器学习方法就可以很好的解决
   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

两者的区别

1. 机器学习框架涵盖用于分类、回归、聚类、异常检测和数据准备的各种学习方法，并且其可以或可以不包括神经网络方法；深度学习或深度神经网络（DNN）框架涵盖具有许多隐藏层的各种神经网络拓扑
2. 常见的深度学习框架：Caffe，CNTK，DeepLearning4j,Keras,MXNet和Tensorflow
   常见的机器学习框架：Scikit-learning和Spark MLib

深度学习框架的比较（主要比较Caffe和Tensorflow）

1. 神经网络一般包括：训练、测试
   训