? ? ? 提起機(jī)器學(xué)習(xí)四個(gè)字，不知你的腦海中是否會(huì)有一絲印象？畢竟身處信息時(shí)代，在日常生活中，無論通過什么媒介，接觸到這個(gè)名詞概念的機(jī)會(huì)還是挺大的。與之類似，還有以下這些名詞概念：數(shù)據(jù)分析、數(shù)據(jù)挖 掘、深度學(xué)習(xí)、人工智能、大數(shù)據(jù)等等。這些概念都是什么意思？都是做什么的？有什么價(jià)值？最重要的是，他們之間的關(guān)聯(lián)關(guān)系以及區(qū)別是什么呢？

? ? ? 就我個(gè)人而言，對這些名詞概念也僅僅局限于聽說過而已，傻傻分不清楚。而且理解水平大概還是停留在這樣的一個(gè)層次：【注：個(gè)人理解，僅供參考】

? ? ? 1、這些都是對海量數(shù)據(jù)進(jìn)行操作的，所謂大數(shù)據(jù)，數(shù)據(jù)量肯定小不了。

? ? ? 2、數(shù)據(jù)分析，對數(shù)據(jù)進(jìn)行建模，從不同緯度分析數(shù)據(jù)，得到有價(jià)值的結(jié)論。

? ? ? 3、數(shù)據(jù)挖掘，大學(xué)時(shí)期王老師講過一些，不過早已經(jīng)還給他了。不過從字面意思不難理解，往深了挖嘛，在表面數(shù)據(jù)的基礎(chǔ)上通過科學(xué)方法，探尋深層次的數(shù)據(jù)關(guān)系以及暗藏的規(guī)律，將數(shù)據(jù)的隱含價(jià)值(比如發(fā)展趨勢)得以展示。

? ? ? 4、至于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)，以前了解一點(diǎn)，只記得深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)具體分支，主要邏輯是利用計(jì)算機(jī)算法進(jìn)行建模運(yùn)算，將得到的結(jié)果再次作為初始數(shù)據(jù)源，進(jìn)行迭代，最終得到最理想化的數(shù)據(jù)理論或結(jié)果。最直白的例子來說，就是剛洗完的衣服，滿是泡沫，再進(jìn)行一次次的循環(huán)漂洗，直到你覺得涮干凈了。

? ? ? 5、人工智能，直觀感受就是例如機(jī)器人，利用計(jì)算機(jī)算法服務(wù)于社會(huì)生產(chǎn)生活，同時(shí)具有自主學(xué)習(xí)演化的能力，貌似和上面的機(jī)器學(xué)習(xí)有重合點(diǎn)。

? ? ? 6、大數(shù)據(jù)，我覺得這個(gè)概念不應(yīng)該具體指向某一個(gè)功能，而是應(yīng)該指向一個(gè)行業(yè)、產(chǎn)業(yè)的生態(tài)圈，可以說，上面的幾個(gè)概念都可以理解為大數(shù)據(jù)。至于說大數(shù)據(jù)就是大量的數(shù)據(jù)這一觀點(diǎn)，沒毛病，但是未免有點(diǎn)狹隘，應(yīng)該更寬泛一點(diǎn)。

? ? ? 我最開始知道大數(shù)據(jù)是在剛畢業(yè)那年，第一印象也是大數(shù)據(jù)就是海量數(shù)據(jù)的處理，涉及到的一些技術(shù)例如Hadoop、HBase、Spark等等，當(dāng)時(shí)還在王府井的書店買本書，照著在本地Vmware搭建了一套Hadoop分布式環(huán)境接觸一下，當(dāng)時(shí)大數(shù)據(jù)這個(gè)概念炒的很火，只不過后來沒在繼續(xù)研究，畢竟不是主要的工作方向。后來這兩年又新興起了人工智能、機(jī)器學(xué)習(xí)等概念。之前總感覺這些東西好像是一夜之間冒出來似的，很陌生，其實(shí)只是之前沒有接觸到的原因，你不知道并不代表之前它不存在，天外有天嘛。無論是社會(huì)炒作也好，還是他們自身彪悍也罷，作為信息時(shí)代的一員，對其有一個(gè)系統(tǒng)性的認(rèn)識，擴(kuò)展下視野，還是很有必要的，而且對于后續(xù)的學(xué)習(xí)理解也有著指導(dǎo)意義，磨刀不誤砍柴工。否則可能就真的落后于時(shí)代了。那么接下來，就和我一起，來學(xué)習(xí)了解、認(rèn)識這些新朋友吧。

前面已經(jīng)提到過，困惑主要有以下兩點(diǎn)：?

??? ??1、每一個(gè)名詞具體的解釋。?

? ? ? 2、它們之間的關(guān)系以及區(qū)別。?

? ? ? 接下來就通過查閱資料，然后再進(jìn)行理解總結(jié)的方式來進(jìn)行吧。雖然最后很有可能，上面的我的自行理解要被啪啪打臉了，不過，那又有何妨呢？

★參考文章一：

標(biāo)題：科普：大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)都是什么？有什么關(guān)系？

鏈接：https://blog.csdn.net/zw0pi8g5c1x/article/details/80768132

內(nèi)容1、大數(shù)據(jù)

內(nèi)容2、人工智能

??? ??人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，目的是開發(fā)一種擁有智能行為的機(jī)器。

內(nèi)容3、機(jī)器學(xué)習(xí)?

? ? ? 機(jī)器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能，是對能通過經(jīng)驗(yàn)自動(dòng)改進(jìn)的計(jì)算機(jī)算法不斷優(yōu)化性能的研究。

? ? ? ??關(guān)鍵詞：算法、經(jīng)驗(yàn)、性能

? ? ?機(jī)器學(xué)習(xí)是使數(shù)據(jù)通過算法構(gòu)建出模型，然后對模型性能進(jìn)行評估，評估后的指標(biāo)，如果達(dá)到要求就用這個(gè)模型測試新數(shù)據(jù)，如果達(dá)不到要求就要調(diào)整算法重新建立模型，再次進(jìn)行評估，如此循環(huán)往復(fù)，最終獲得滿意結(jié)果。

下面再擴(kuò)展一點(diǎn)機(jī)器學(xué)習(xí)的一點(diǎn)知識：

? ? ? 機(jī)器學(xué)習(xí)的任務(wù)：

? ? ? ? ? ? 機(jī)器學(xué)習(xí)基于數(shù)據(jù)并以此獲取新知識、技能。它的任務(wù)有很多，分類是其基本任務(wù)之一。

? ? ? 分類：

? ? ? ? ? ? 將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標(biāo)特征，如果目標(biāo)特征為連續(xù)型，則往往采用回歸方法。回歸，是對新目標(biāo)特征進(jìn)行預(yù)測，是機(jī)器學(xué)習(xí)中使用非常廣泛的法之一.

? ? ? 分類和回歸：

? ? ? ? ? ? 都是先根據(jù)標(biāo)簽值或目標(biāo)值建立模型或規(guī)則，然后利用這些帶有目標(biāo)值的數(shù)據(jù)形成的模型或規(guī)則，對新數(shù)據(jù)進(jìn)行識別或預(yù)測。這兩種方法都屬于監(jiān)督學(xué)習(xí)。與監(jiān)督學(xué)習(xí)相對是無監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)不指定目標(biāo)值或預(yù)先無法知道目標(biāo)值，它可以將把相似或相近的數(shù)據(jù)劃分到相同的組里，聚類就是解決這一類問題的方法之一。

除了監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)這兩種最常見的方法外，還有半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法，這里我們就不展開了，下圖展示了這些基本任務(wù)間的關(guān)系。

內(nèi)容4、深度學(xué)習(xí)

? ? ? 深度學(xué)習(xí)解決的核心問題之一就是自動(dòng)地將簡單的特征組合成更加復(fù)雜的特征，并利用這些組合特征解決問題。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，它除了可以學(xué)習(xí)特征和任務(wù)之間的關(guān)聯(lián)以外，還能自動(dòng)從簡單特征中提取更加復(fù)雜的特征。

內(nèi)容5、關(guān)系與區(qū)分：

- 大數(shù)據(jù) ? ? ?是人工智能的基礎(chǔ)。

- 機(jī)器學(xué)習(xí) ? 是人工智能的核心，是使機(jī)器具有類似人的智能的根本途徑，是使大數(shù)據(jù)轉(zhuǎn)變?yōu)橹R或生產(chǎn)力的工具。

- 機(jī)器學(xué)習(xí) ? 要以大數(shù)據(jù)量? 為基礎(chǔ)，發(fā)掘其中蘊(yùn)含的有用信息。其處理的數(shù)據(jù)越多，機(jī)器學(xué)習(xí)就越能體現(xiàn)出優(yōu)勢，如語言識別、圖像識別、天氣預(yù)測等等。

- 深度學(xué)習(xí)? ?是機(jī)器學(xué)習(xí)的一個(gè)分支，能夠自動(dòng)地將簡單的特征組合成更加復(fù)雜的特征，因?yàn)楫吘箤C(jī)器學(xué)習(xí)來說，特征提取不是一件簡單的事情。

- 人工智能? 是一類非常廣泛的問題，機(jī)器學(xué)習(xí)是解決這類問題的一個(gè)重要手段，深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一個(gè)分支。在很多人工智能問題上，深度學(xué)習(xí)的方法突破了傳統(tǒng)機(jī)器學(xué)習(xí)方法的瓶頸，推動(dòng)了人工智能領(lǐng)域的快速發(fā)展.。

擴(kuò)展內(nèi)容：如何選擇合適算法：

? ? ? 當(dāng)我們接到一個(gè)數(shù)據(jù)分析或挖掘的任務(wù)或需求時(shí)，如果希望用機(jī)器學(xué)習(xí)來處理，首要任務(wù)是根據(jù)任務(wù)或需求選擇合適算法，選擇哪種算法較合適？分析的一般步驟為：

? ? ? 充分了解數(shù)據(jù)及其特性，有助于我們更有效地選擇機(jī)器學(xué)習(xí)算法。采用以上步驟在一定程度上可以縮小算法的選擇范圍，使我們少走些彎路，但在具體選擇哪種算法方面，一般并不存在最好的算法或者可以給出最好結(jié)果的算法，在實(shí)際做項(xiàng)目的過程中，這個(gè)過程往往需要多次嘗試，有時(shí)還要嘗試不同算法。不過先用一種簡單熟悉的方法，然后，在這個(gè)基礎(chǔ)上不斷優(yōu)化，時(shí)常能收獲意想不到的效果。

=>綜上個(gè)人總結(jié)：

? ? ? 人工智能是一個(gè)大的生態(tài)面，也可以說是個(gè)行業(yè)，這個(gè)行業(yè)給我們生活提供了很大的便利，比如無人駕駛、語音識別等，這些是怎么實(shí)現(xiàn)的呢？要用到機(jī)器學(xué)習(xí)的技術(shù)，使用機(jī)器學(xué)習(xí)通過大量數(shù)據(jù)的算法訓(xùn)練【注：看來原文是把大數(shù)據(jù)作為大數(shù)據(jù)量、海量數(shù)據(jù)來理解的】構(gòu)建模型。但是機(jī)器學(xué)習(xí)有不足之處，那就是對特征的提取并不簡單。在一些復(fù)雜問題上，要花費(fèi)大量時(shí)間精力通過人工的方式設(shè)計(jì)有效的特征集合，所以從機(jī)器學(xué)習(xí)延伸出深度學(xué)習(xí)的分支來彌補(bǔ)了這個(gè)不足。

? ? ? 總得來說，這篇文章對人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的解釋我還是很滿意的，清晰了然。但是他把大數(shù)據(jù)直接作為大數(shù)據(jù)量來解釋，用于闡釋機(jī)器學(xué)習(xí)的基礎(chǔ)，這一點(diǎn)我覺得還是有點(diǎn)太狹隘，可能文章的重點(diǎn)在于機(jī)器學(xué)習(xí)而不是大數(shù)據(jù)的原因吧，就把大數(shù)據(jù)一筆帶過了。文章中也擴(kuò)展介紹了一點(diǎn)別的知識，比如機(jī)器學(xué)習(xí)本身的內(nèi)容、算法的選擇等，可以作為具體了解這項(xiàng)技術(shù)的入門資料。

★參考文章二：

標(biāo)題：知乎：數(shù)據(jù)挖掘與數(shù)據(jù)分析的主要區(qū)別是什么？

鏈接：https://www.zhihu.com/question/20127962

? ? ? ??排在首位的回答獲贊最多，我看了下覺得說的很不錯(cuò)，也沒什么難理解的。版權(quán)原因無法復(fù)制截圖，這里我口述一下作者的意思，大致是這樣的：

? ? ? ??數(shù)據(jù)分析：一般目的性比較明確，想要從數(shù)據(jù)集中分析出想要的結(jié)果。重點(diǎn)是觀察數(shù)據(jù)，需要人工 ?建模。

? ? ? ??數(shù)據(jù)挖掘：就是從海量的數(shù)據(jù)中找到其中暗含的隱藏的規(guī)則關(guān)系，可以將發(fā)現(xiàn)的規(guī)則關(guān)系直接應(yīng)用到新數(shù)據(jù)樣本的預(yù)測，直接自動(dòng)完成了數(shù)學(xué)建模。

作者也舉了個(gè)簡單的例子:

? ? ? ? 有一些人總是不及時(shí)向電信運(yùn)營商繳錢，如何發(fā)現(xiàn)它們?

? ? ? ? 數(shù)據(jù)分析:通過對數(shù)據(jù)的觀察，我們發(fā)現(xiàn)不及時(shí)繳費(fèi)人群里的貧困人口占82%。所以結(jié)論是收入低的人往往會(huì)繳費(fèi)不及時(shí)。結(jié)論就需要降低資費(fèi)。

? ? ? ? 數(shù)據(jù)挖掘:通過編寫好的算法自行發(fā)現(xiàn)深層次的原因。原因可能是，家住在五環(huán)以外的人，由于環(huán)境偏遠(yuǎn)不及時(shí)繳費(fèi)。結(jié)論就需要多設(shè)立一些營業(yè)廳或者自助繳費(fèi)點(diǎn)。

=>小結(jié)：

? ? ? ? 其實(shí)，僅從字面意思也不難理解二者的側(cè)重點(diǎn)是不同的，沒什么難理解的地方。一個(gè)側(cè)重分析，就會(huì)有分析出的結(jié)論。一個(gè)側(cè)重挖掘，側(cè)重于探尋未知。這兩者也是需要大量的數(shù)據(jù)樣本集的，就好比做統(tǒng)計(jì)，樣本量都不夠，得出的結(jié)論怎么能夠說服人呢？

? ? ? ? 寫到這里，我們也注意到了，無論哪一種技術(shù)，還是理念，貌似都離不開一個(gè)前提，就是要有海量的數(shù)據(jù)集作為數(shù)據(jù)支撐，即體現(xiàn)了大數(shù)據(jù)的量大的特性，但是這些技術(shù)、理念不都是作為工具去處理生活中的問題的嗎？什么問題呢？新時(shí)期的大量數(shù)據(jù)導(dǎo)致的傳統(tǒng)常用的一般方法、工具無法滿足高效處理進(jìn)而得出結(jié)果用于生產(chǎn)生活的問題。所以，我在本文開頭就認(rèn)為，大數(shù)據(jù)不應(yīng)只是指數(shù)據(jù)量大，數(shù)據(jù)范圍大，更應(yīng)該指信息時(shí)代產(chǎn)生的海量數(shù)據(jù)導(dǎo)致的一系列社會(huì)生產(chǎn)生活問題以及對問題的探究、處理過程的研究發(fā)展。從而衍生發(fā)展出了這些相關(guān)技術(shù)、概念理論去實(shí)踐、驗(yàn)證、解決。(這里并不是求證理解觀點(diǎn)的對錯(cuò)，畢竟是理解類的問題，因人而異，有差異很正常。)所以，這個(gè)大數(shù)據(jù)的概念我覺得是一個(gè)虛的、寬泛的概念，類似的人工智能也是一個(gè)虛擬的概念，很明顯，大數(shù)據(jù)的層次范圍應(yīng)該在人工智能之上。對于大數(shù)據(jù)這一類的概念，了解大致方向，對個(gè)人認(rèn)識有指引作用即可，不必較真去深究，重點(diǎn)還是應(yīng)該放在機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等這一類具體技術(shù)、方法的理解上來，因?yàn)樗鼈儾攀墙鉀Q大數(shù)據(jù)問題的具體實(shí)現(xiàn)、應(yīng)用的關(guān)鍵。

? ? ? 如果仍然對大數(shù)據(jù)的理解有疑惑，可以參考以下百度百科的解釋：

接下來，有必要來看下數(shù)據(jù)分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)它們之間的橫向聯(lián)系：

★參考文章三：

相關(guān)文章鏈接：?

http://innovaleur.com/the-data-science-puzzle-explained/ 【首選推薦，可用chrome翻譯閱讀】

https://www.zhihu.com/question/20954873

先看下圖：

Artificial Intelligence? 人工智能

Machine Learning? 機(jī)器學(xué)習(xí)

Deep Learning ? 深度學(xué)習(xí) ? ? ? ? ??

Data Mining? 數(shù)據(jù)挖掘 ? ? ? ?

Data Science 數(shù)據(jù)科學(xué)

=>參考文章內(nèi)容總結(jié)概括：

? ? ? 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘是有很大一部分的交叉地帶的，二者有著復(fù)雜的關(guān)系：數(shù)據(jù)挖掘是一個(gè)過程，在此過程中，機(jī)器學(xué)習(xí)算法被用作工具來提取數(shù)據(jù)集中保存的潛在有價(jià)值的模式。

? ? ? 機(jī)器學(xué)習(xí)：

? ? ? ? ? ? ??機(jī)器學(xué)習(xí)本質(zhì)上是跨學(xué)科的，并且采用了計(jì)算機(jī)科學(xué)，統(tǒng)計(jì)學(xué)和人工智能等領(lǐng)域的技術(shù)。? ? ? ??

? ? ? ? ? ? ? 機(jī)器學(xué)習(xí)研究的主要產(chǎn)物是算法，它可以根據(jù)經(jīng)驗(yàn)自動(dòng)促進(jìn)改進(jìn)算法，這些算法可應(yīng)用于各種不同的領(lǐng)域。

? ? ? 數(shù)據(jù)挖掘：

? ? ? ? ? ? ??是一門交叉性很強(qiáng)的學(xué)科，可以用到機(jī)器學(xué)習(xí)算法以及傳統(tǒng)統(tǒng)計(jì)的方法，最終的目的是要從數(shù)據(jù)中挖掘到需要的內(nèi)容，從而指導(dǎo)人們的活動(dòng)。數(shù)據(jù)挖掘的重點(diǎn)在于算法的應(yīng)用，而不是算法本身，用何種算法并不是很重要，關(guān)鍵是能夠滿足實(shí)際應(yīng)用背景。而機(jī)器學(xué)習(xí)則偏重于算法本身的設(shè)計(jì)。

? ? ? ? ———————————-

? ? ? ? 該文中其它相關(guān)內(nèi)容擴(kuò)展：

? ? ? ? ?深度學(xué)習(xí)：

? ? ? ??? ? ? 它是應(yīng)用深度神經(jīng)網(wǎng)絡(luò)技術(shù)(即具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu))來解決? 問題的過程。深度學(xué)習(xí)就像數(shù)據(jù)挖掘一樣是一個(gè)過程，采用深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，屬? 于機(jī)器學(xué)習(xí)算法的特定類型。深度學(xué)習(xí)可以通過其他流程和工具來幫助解決問題，從而為數(shù)據(jù)科學(xué)提供了非常多的幫助。從這種角度來看，深度學(xué)習(xí)是對數(shù)據(jù)科學(xué)領(lǐng)域非常有價(jià)值的補(bǔ)充。

? ? ? ? 人工智能：

? ? ? ??? ? ? 原文作者大意：作者認(rèn)為這個(gè)概念是隨著時(shí)間的推進(jìn)，在不同階段有著不同的理解的。人工智能是一個(gè)準(zhǔn)繩，一個(gè)移動(dòng)的目標(biāo)，一個(gè)無法實(shí)現(xiàn)的目標(biāo)。每當(dāng)我們踏上通往AI成就的道路時(shí)，這些成就似乎都會(huì)以某種方式轉(zhuǎn)化為其他事物。

=>個(gè)人看法：

? ? ? ? 這篇文章中對數(shù)據(jù)挖掘和數(shù)據(jù)和機(jī)器學(xué)習(xí)的區(qū)別關(guān)系描述的不錯(cuò)，直觀描述了各自的側(cè)重點(diǎn)，一個(gè)側(cè)重算法設(shè)計(jì)，一個(gè)側(cè)重算法應(yīng)用。但是該文中擴(kuò)展的內(nèi)容，我覺得不滿意，由于是機(jī)翻，可能有差別。感覺作者只是描述了相關(guān)概念的特性，沒有點(diǎn)出本質(zhì)性的內(nèi)容。所以，上面內(nèi)容擴(kuò)展我只記錄了深度學(xué)習(xí)和人工智能的段落。深度學(xué)習(xí)這一段話，沒有什么特別新穎的觀點(diǎn)，基本和前文的介紹一致。人工智能這一段話，也只是表達(dá)了一個(gè)對其理解是隨著時(shí)間推移而不斷變化的特點(diǎn)，沒有介紹AI的內(nèi)容，所以我認(rèn)為在這些方面此文描述的有些不理想。

? ? ? ??綜上，通過對這幾個(gè)概念的闡述，相信你對這些所謂的名詞術(shù)語已經(jīng)有了一個(gè)大致的了解，最起碼不會(huì)再傻傻分不清楚了吧！這讓我想起了一件往事，就是在大學(xué)期末考試的時(shí)候，計(jì)算機(jī)網(wǎng)絡(luò)、操作系統(tǒng)的這一類試卷，總是會(huì)有一種題型叫做名詞解釋，讓你回答解釋一些專有名詞。當(dāng)時(shí)真是痛苦，因?yàn)橛憛挶痴b這些東西，其實(shí)，還是一個(gè)用心不用心的問題，用心去思考，就會(huì)有自己的想法，從自己的思維去嘗試?yán)斫狻７駝t，只能是單純的機(jī)械式的重復(fù)背誦記憶，并沒有真正的掌握相關(guān)知識。

? ? ? ??通過這次梳理吧，最起碼腦子里不再是一團(tuán)漿糊了，對各自有了明確的概念認(rèn)識，所以我認(rèn)為這次梳理還是很有必要的。如果你對文中觀點(diǎn)有不同意見或者理解，歡迎留言交流，若發(fā)現(xiàn)錯(cuò)誤之處還望批評指正。

注：文中圖片來源于網(wǎng)絡(luò)截圖！

總結(jié)

以上是生活随笔為你收集整理的大数据 深度 分页_机器学习、深度学习、大数据 ？傻傻分不清楚？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。