統計學、深度學習、機器學習、資料挖掘
1、
2、
3、資料挖掘：
（1）資料挖掘是在大型資料庫中，自動地發現有用資訊的程序，用來探查大型資料庫，發現先前未知的有用模式，預測未來觀測接結果，
（2）它是資料庫知識發現（Knowledge-Discovery in Databases,簡稱：KDD)中的一個步驟，
（3）資料挖掘的一般步驟：
資料準備到規律尋找到規律表示
4、統計學：
（1）統計學是資料的科學，它包括資料的收集、分類、概括、整理、分析以及解釋，
（2）統計學通常應用于兩種型別的問題：
1. 概括、描述以及探索資料，即描述性統計
2. 利用樣本資料推斷被選取樣本的資料集的性質，即推斷統計學
5、機器學習：
機器學習大致可分為兩類學習任務，分別為：監督學習（supervised learning）和非監督學習（unsupervised learning）， 其中，監督學習又分為：回歸（regression）和分類（classification），
6、深度學習：
深度學習是學習樣本資料的內在規律和表示層次，這些學習程序中獲得的資訊對諸如文字，影像和聲音等資料的解釋有很大的幫助，它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、影像和聲音等資料， 深度學習是一個復雜的機器學習演算法，在語音和影像識別方面取得的效果，遠遠超過先前相關技術，
深度學習在搜索技術，資料挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果，深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智能相關技術取得了很大進步，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/342317.html
標籤：其他
上一篇：ffmpeg
下一篇：大津閾值法（OTSU）功能實作