免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

    （七）機器學習覆蓋的范圍

從范圍上來說，機器學習跟模式識別，統計學習，數據挖掘是類似的，同時，機器學習與其他領域的處理技術的結合，形成了計算機視覺、語音識別、自然語言處理等交叉學科。因此，一般說數據挖掘時，可以等同于說機器學習。同時，我們平常所說的機器學習應用，應該是通用的，不僅僅局限在結構化數據，還有圖像，音頻等應用。

（1）模式識別

模式識別＝機器學習。兩者的主要區別在于前者是從工業界發展起來的概念，后者則主要源自計算機學科。在著名的《Pattern Recognition And Machine Learning》這本書中，Christopher M． Bishop在開頭是這樣說的：“模式識別源自工業界，而機器學習來自于計算機學科。不過，它們中的活動可以被視為同一個領域的兩個方面，同時在過去的十年間，它們都有了長足的發展”。

（2）數據挖掘

數據挖掘＝機器學習＋數據庫。數據挖掘僅僅是一種方式，不是所有的數據都具有價值，數據挖掘思維方式才是關鍵，加上對數據深刻的認識，這樣才可能從數據中導出模式指引業務的改善。大部分數據挖掘中的算法是機器學習的算法在數據庫中的優化。

（3）統計學習

統計學習近似等于機器學習。統計學習是個與機器學習高度重疊的學科。因為機器學中的大多數方法來自統計學，甚至可以認為，統計學的發展促進機器學習的繁榮昌盛。例如著名的支持向量機算法，就是源自統計學科。兩者的區別在于：統計學習者重點關注的是統計模型的發展與優化，偏數學，而機器學習者更關注的是能夠解決問題，偏實踐，因此機器學習研究者會重點研究學習算法在計算機上執行的效率與準確性的提升。

（4）計算機視覺

計算機視覺＝圖像處理＋機器學習。圖像處理技術用于將圖像處理為適合進入機器學模型中的輸入，機器學習則負責從圖像中識別出相關的模式。計算機視覺相關的應用非常的多，例如百度識圖、手寫字符識別、車牌識別等等應用。這個領域將是未來研究的熱門方向。隨著機器學習的新領域深度學習的發展，大大促進了計算機圖像識別的效果，因此未來計算機視覺界的發展前景不可估量。

（5）語音識別

語音識別＝語音處理＋機器學習。語音識別就是音頻處理技術與機器學習的結合。語音識別技術一般不會單獨使用，一般會結合自然語言處理的相關技術。目前的相關應用有蘋果的語音助手siri等。

（6）自然語言處理

自然語言處理＝文本處理＋機器學習。自然語言處理技術主要是讓機器理解人類的語言的一門領域。在自然語言處理技術中，大量使用了編譯原理相關的技術，例如詞法分析，語法分析等等，除此之外，在理解這個層面，則使用了語義理解，機器學習等技術。作為唯一由人類自身創造的符號，自然語言處理一直是機器學習界不斷研究的方向。

圖24   機器學習覆蓋的范圍