机器学习和人工智能的关系
机器学习是为了实现人工智能这一宏大技术的前提技术

负责分类的算法即分类器

分类
把诸多特征简化为数据,特征是用来帮助分类的数值
用训练数据来训练分类器以作出更准确的预测

机器学习就是作出更准确的分类,即决策边界
支持向量机本质是用线段切分决策空间(直线、多项式、数学函数)
机器学习算法负责找出最好的线,最准确的决策边界

比如在上千维度的决策空间中给超平面找出方程

决策树 支持向量机源自统计学
机器学习算法有采用统计学的算法,也有不采用统计学的算法

比如人工神经网络
神经元 用电信号 化学信号来处理和传输消息
从其他细胞中获得消息 然后处理信号 继续传递 形成巨大的互联网络 从而处理复杂的信息
人工神经元接受数据 然后处理数据 输出(传递)数据
一层一层叠加形成神经元网络 即神经网络
输入层Input layer
隐藏层hidden layer(加权 求和 偏置
负责数据分类
输出层ouput layer
最后神经网络有激活函数(传递函数)用来输出,对结果执行最后一次的数学修改
神经网络训练时,修改权重和偏差
用标记数据进行训练和测试 从而逐渐提高准确性

训练复杂的网络需要大量计算和数据

机器学习的一个例子就是生成决策树

但是之前需要收集数据
机器学习的目的是为了确立分类规则
最大化正确分类 最小化错误分类

弱ai 完成特定的任务
strong ai
强化学习https://baike.baidu.com/item/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/2971075

https://www.bilibili.com/video/av21376839/?p=34
P34 机器学习&人工智能