人工智能
是计算机科学研究领域的一个重要分支。人工智能是众多学科的一个交叉学科,关于人工智能并没有一个统一的定义,我们可以理解为人工智能就是利用机器来模仿和执行人类大脑的智力行为,开发一个能够在人类现实环境下做出反应和行为、不断学习知识、能够从一个新生儿变得越来越聪明的系统或软件。人工智能包括众多的分支领域,比如大家熟悉的机器学习、自然语言理解和模式识别等。
机器学习
属于人工智能研究与应用的一个分支领域。机器学习的研究更加偏向理论性,其目的更偏向于是研究一种为了让计算机不断从数据中学习知识,而使机器学习得到的结果不断接近目标函数的理论。
机器学习,引用卡内基梅隆大学机器学习研究领域的著名教授Tom Mitchell的经典定义:
如果一个程序在使用既有的经验E(Experience)来执行某类任务T(Task)的过程中被认为是“具备学习能力的”,那么它一定要展现出:利用现有的经验E,不断改善其完成既定任务T的性能(Performance)的特质。
数据挖掘
你可以简单地理解为,机器学习为数据挖掘提供了理论方法,而数据挖掘技术是机器学习技术的一个实际应用。但在这一应用中存在一个很重要的问题需要数据挖掘专家解决,因为传统的机器学习算法多是为了处理中小规模的数据而设计的,但数据挖掘面临的往往是海量的数据,如果直接使用机器学习的算法可能并不一定能得到令人满意的效果,因此需要数据挖掘专家针对具体的问题对机器学习算法进行改造和优化。
其次,在进行数据挖掘时,如何管理海量的数据,这就需要用到数据库的数据管理技术。
因此,数据挖掘技术可以简单看作是运用数据库提供的数据管理技术来获取数据,然后再利用改造后的机器学习方法对获取到的数据进行学习,学习的结果可以对未来进行预测。
数据分析和数据挖掘的区别和联系又是什么,深度学习又是什么意思?详情请持续关注(下)篇。
文中若有表述错误的地方欢迎大家留言批评指正。
参考文献
《机器学习与数据挖掘》周志华
《Python机器学习及实践–从零开始通往Kaggle竞赛之路》范淼
《神经网络与深度学习》吴岸城