这一节课主要介绍了ML和一些其他相关领域的相似处以及区别。
(1)ML & Data Mining
从定义上看:
ML:通过学习的方式,计算出一个与目标函数f相似的假设g;
DM:从大量资料中找到有用的信息;
相似处:如果g即为“有用的信息”,则ML=DM;
如果g与“有用的信息”相关,则DM可以用于协助ML
相异处:ML可以通过一些小规模的数据实现,而DM通常要用到大规模数据,并常使用BDT(Big Data Tech);
(2)ML & AI
从定义上看:
ML:通过学习的方式,计算出一个与目标函数f相似的假设g;
AI:让机器通过计算具备智能表现;
从定义上来说,ML和AI是类似的,ML可以成为AI的一种实现方式(当然AI有很多种实现方式);
(3)ML & Statistics
从定义上看:
ML:通过学习的方式,计算出一个与目标函数f相似的假设g;
ST:使用已知的材料为未知的情况提供参考;
ST可以用于实现ML,实际上ML中许多的实现方法(如朴素贝叶斯)正是从ST借鉴而来的;
ST更注重数学上可以证明的结果,而ML更注重与计算机领域的过程.