深度学习
进化策略
迁移学习
卷积神经网络
知识图谱
聚类
回归
PCA
t-SNE
贝叶斯
决策树
随机森林
遗传算法
强化学习
马尔科夫
概率图
什么是深度学习？
深度学习是表征学习的通用框架，它有以下特征：
- 给定一个目标（objective）
- 学习能够实现目标的特征
- 直接的原始输入
- 使用最少的领域知识深度
深度学习是一项实现机器学习的技术。它仅仅是一种机器学习的方法。
深度神经网络通常被人们用来理解深度表征。
循环神经网络 RNN
卷积神经网络 CNN
工作方式：
- 选择数据： 训练 验证 测试
- 模型数据
- 验证模型
- 测试模型
- 使用模型
- 调优模型
机器学习所处在的位置：
数据科学家使用训练数据集来教计算机应该怎么做，
然后系统执行该任务
首先存在大数据
机器会学习使用训练数据集来进行分类，调节特定的算法来实现目标分类
该计算机可学习识别数据中的关系、趋势和模式
如何使用？
快速三维地图测绘和建模
增强分析以降低风险
预测表现最佳的目标
九大算法
- 决策树 在进行逐步应答过程中，典型的决策树分析会使用分层变量或决策节点，例如，可将一个给定用户分类成信用可靠或不可靠
- 支持向量机
- 回归
- 朴素贝叶斯分类
- 隐马尔可夫模型
- 随机森林
- 循环神经网络
- 长短期记忆与门控循环单元神经网络
- 卷积神经网络