你好,游客 登录
背景:
阅读新闻

机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别之间的关系是什么?

[日期:2017-09-05] 来源:aboutyun  作者:goldtimes [字体: ]
A网友回答:

人工智能最大,机器学习是人工智能最近比较流行的一个分支。

机器学习通常会用统计分析的方法进行分析,统计学在机器学习里占有非常重要的地位。

神经网络是机器学习里一个研究非常广泛的方法,貌似有个会议就是研究神经网络的,NIPS,不过现在其实NIPS上很多论文也都和神经网络无关的,NIPS现在和ICML比较像了哦。。。

数据挖掘可以认为是机器学习的一个方向了的。

至于模式识别和机器学习的关系,就有点说不清了哦。。。


B网友回答:

机器学习:强调学习能力,机器在算法的指导下有一点的学习能力,比如神经网络,训练算法
统计分析:从统计的角度出发,发现系统的规律,比如线性回归等,不过神经网络也可以看作一种非线性回归。
数据挖掘:强调的是从一大堆数据里有价值的数据,比如最赚钱的信息,指标,比如,啤酒尿布要放一块,为了挖掘有价值的信息,当然所有方法都会用上。
神经网络:强调模拟生物神经系统,尤其是大脑的神经网络。比如:BP网络,竞争神经网络,等各种仿生的算法。神经网络的学习机制,收敛性质等都会讨论
人工智能:这个强调的是让机器象人一样聪明,方法就不限了,规则也罢,神经网络等仿生学也罢,都可以来为我所用
模式识别:强调训练和识别,比如图像里识别出一个人脸,识别出树木,背景,识别验证码,。。。使用各种学习算法,分类算法,比如神经网络,SVM,。。。


每个概念都是不同人从不同角度,不用的关注点,看这些前沿技术。有的人为了实现象人一样的机器人,比如,强调人工智能的人,有的人想从中赚钱,比如,强调数据挖掘的人,有的人对仿生比较喜爱,比如强调神经网络的人。。。。。每个相关书籍都看看,理解他们就好了


C网友回答:

机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别,很难说谁包含于谁,只能分开说每一个概念的意义,谁服务于谁。

数据挖掘是一种概念,从数据中挖掘到有意义的信息。
很多人认为数据挖掘是新学科,是基于大数据,其实不然,如果给你一个数据说李嘉诚有100多亿美元,再给你一个数据是全国平均人均可支配收入水平是13279元人民币,你能挖掘出一个信息叫,李嘉诚很有钱,这也是数据挖掘。只不过很小白而已。

模式识别是目的,识别出一种模式,比如两个眼睛一个鼻子的是人脸的模式。如果不通过电脑,手工的通过计算来识别模式,也属于模式识别

机器学习是一种方法,通常用来进行模式识别,用机器去学习不直观的数据得到模式,这其中会需要用到各种各样的知识,比如统计分析的知识。

人工智能,这个概念就大了,这个概念是想要人工制造出和人类一样的智能,所以很多人就想出了机器人这么一个科幻产物,有人类的智能,并且依托于机器的强大 运算能力。事实上,人工智能也不一定要和电脑挂钩的,只不过现在只有电脑有这么强大的计算能力,如果有一天生物科技能够突破,说不定也能实现。(纯属 YY)

神经网络,这是学习算法中的一个很火的模型,它号称结合了多学科,模拟了人的神经过程,是很好的一种学习方法,可以说这个是基于统计学范畴的。


D网友回答:


人工智能最大,内容同名字一样就是一个【科技领域】,致力于发展更加智能的机器和软件。

机器学习是【算法】的研究,致力于研究能够根据经验自动提高的算法。

神经网络是一种【模型】,和名字一样是模拟中央神经系统的一种数学模型,可以用于进行模式识别和机器学习。

统计分析是数据学和统计学的一部分,在机器学习中是一种【工具】。机器学习中有很多方法是运用统计理论来估计某一种probability estimator进而进行预测的。在统计和数据学家看来,机器学习就是计算机学家做统计。

数据挖掘和机器学习的区分是,数据挖掘问题一般都有巨大数据,尤其指计算效率比统计精度更加重要的问题,通常站在商业的角度;机器学习则更加偏向于人工智能的方面。

模式识别,是机器学习的一个领域,指的是把input贴上标签的过程(就是预测的过程)。在分类问题中就是把input分类,在regression中就是给进input给出实数值。


E网友回答:


人工智能这个领域太大,它和其他几个的关系,我在另外一个回答里有一些我的观点里有回答,我就不多赘述了:通过机器学习以及大规模数据的统计,电脑可以无限逼近人脑的能力么?如果可以,哪些能力是比较容易被逼近的?

关于另外几个,模式识别,统计理论和数据挖掘:

关于模式识别,他基本用的是机器学习的方法(确切说是概率理论里的机器学习),而基于概率的机器学习和统计理论有很大的交际。

而数据挖掘是机器学习和统计理论交叉的一个应用方向,他期望从一堆观察到的数据里,发现一些潜在的关系和核心。他的核心方法基本都囊括在机器学习中,也基本被统计理论包含。

关于神经网络,计算机方向最了解的是把他作为AI中machine learning的一个分支来对待。而在其他领域,比如control里,bioinformatics里,也有应用。有一部分研究者把它作为一个独立的方向来对待,结构上也更加复杂了。








收藏 推荐 打印 | 阅读: