<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??一站式輕松地調用各大LLM模型接口,支持GPT4、智譜、豆包、星火、月之暗面及文生圖、文生視頻 廣告
                # 機器學習適合哪里? > 原文: [https://machinelearningmastery.com/where-does-machine-learning-fit-in/](https://machinelearningmastery.com/where-does-machine-learning-fit-in/) 機器學習是一個多學科領域,當您開始將機器學習與人工智能和數據挖掘這些密切相關的領域區分開來時,它可能會非常混亂。 在這篇文章中,您將了解與機器學習相關的那些領域。具體來說,您將通過學習機器學習如何建立在數學和人工智能領域并在數據挖掘和數據科學等領域中使用來了解該領域的邊界。 ## 基金會 機器學習建立在數學和計算機科學領域。具體而言,機器學習方法最好使用線性和矩陣代數來描述,并且使用概率和統計工具可以最好地理解它們的行為。統計學,概率論和人工智能領域,代表機器學習的基礎科目。 ### 可能性 概率論領域是研究隨機事件可能性的特征。概率論是數學的一個分支,為統計學領域提供了基礎。 [![probability](img/88efae28e2604ffab863bc5cd691ad1f.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2013/12/dice.jpg) 照片歸功于 [topher76](http://www.flickr.com/photos/topher76/293277608/sizes/l/) ,保留一些權利。 機器學習方法通??常用概率語言描述,有些方法直接采用概率理論,如[貝葉斯定理](http://en.wikipedia.org/wiki/Bayes'_theorem)。 ### 統計 統計領域是研究收集,分析,描述和呈現數據的方法。統計學是數學的一個分支。該領域關注的問題是數據的含義。 在統計框架中可以很好地理解機器學習,其中從訓練數據中學習作為數據中結構和關系的建模。因此,機器學習中采用統計建模方法,但機器學習不僅包括統計建模方法。 ### 人工智能 人工智能領域是研究和構建計算系統,它們可以完成人類可以做的事情,也可以做我們認為聰明的事情。例如,人類可以在環境中移動,了解他們所看到的內容并理解他們所閱讀和聽到的語言,并且我們擁有相應的機器人,計算機視覺和自然語言處理子領域。大師級國際象棋冠軍被認為是智能的,因此創造了國際象棋智能系統。人工智能是計算機科學的一個分支。該領域關注什么是情報以及如何創造情報的問題。 學習是智能系統的一個特征。因此,機器學習被認為是人工智能的一個分支,涉及研究和構建能夠學習的系統。 ## 前體細胞 可以從數據中學習來描述數據并預測未見數據結果的算法對于解決復雜問題非常有用。因此,機器學習方法用于應用計算機科學領域,例如數據挖掘和數據科學。此外,還有相關的人工智能領域,研究智能方法,這些方法也可以從數據及其環境中學習。例子包括計算智能和 Mateheuristics。 讓我們回顧一下計算智能,數據挖掘和數據科學的相關領域,并學習如何應用機器學習方法。 ### 計算智能 [計算智能](http://en.wikipedia.org/wiki/Computational_Intelligence)的領域涉及易于指定但導致復雜的緊急行為的系統的研究和構建。許多計算智能系統受到自然系統的啟發,例如進化,免疫系統和子進程的神經系統,如進化計算,人工免疫系統和人工神經網絡。計算智能是人工智能的一個分支。該領域關注的是解釋復雜的緊急行為如何從簡單的規則中得出以及它們最適合解決的問題。 許多計算智能系統從與其環境的交互中學習,因此已被用作機器學習方法。 ### 數據挖掘 數據挖掘領域是研究和構建從大型數據集中發現有趣關系的系統。因此,數據挖掘既包括數據的存儲和維護,也包括在數據中進行發現的過程。數據挖掘是一個過程,在數據庫(KDD)中也稱為[知識發現。數據挖掘是計算機科學的一個子領域。該領域關注的是哪些關系是有趣的以及如何最好地發現它們的問題。](http://en.wikipedia.org/wiki/Data_mining) 機器學習提供了一組在數據挖掘過程中使用的工具,用于學習提供發現基礎的數據關系。 ### 數據科學 [數據科學](http://en.wikipedia.org/wiki/Data_science)的領域涉及使用數據解決復雜問題的實用性。數據科學是計算機科學的一個子領域。數據科學是數據挖掘過程的應用和機器學習方法在特定領域的使用。數據科學家是數據科學的實踐者。 與數據挖掘一樣,機器學習提供了一組用于數據科學的工具,用于學習數據中的關系,以便表征數據或進行預測。 機器學習與其他數學領域(如決策理論和信息理論)和計算機科學(如運籌學和凸優化)有關。 ## 資源 如果您想深入挖掘一下,我會鏈接到一些論文和書籍。 * Leo Breiman,[統計模型:兩種文化](http://scholar.google.com/scholar?q=Statistical+Modeling+The+Two+Cultures),2001 * Stuart Russell 和 Peter Norvig,[人工智能:現代方法(第 3 版)](http://www.amazon.com/dp/0136042597?tag=inspiredalgor-20)(會員鏈接),2009 * Andries Engelbrecht,[計算智能:簡介](http://www.amazon.com/dp/0470035617?tag=inspiredalgor-20)(會員鏈接),2007 您認為機器學習與其他領域密切相關嗎?您對所描述的其中一個領域有更清晰的定義嗎?發表評論。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看