《机器学习》 – 周志华 入门
什么是机器学习
机器学习是一种数据分析方法，它可以自动分析模型的建筑。通过使用迭代学习数据的算法，机器学习可以使电脑在没有被明确编程看哪里的情况下，发现隐藏的领域。
机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。
分类
- 监督学习
- 无监督学习
- 半监督学习
- 增强学习
常用算法
- 构造间隔理论分布：聚类分析、模式识别
- 构造条件概率：回归分析和统计分类
- 通过再生模型构造概率密度函数
- 通过再生模型构造概率密度函数
- 近似推断技术
- 最优化
应用领域
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
为什么学习
机器学习可以更快且自动的产生模型，以分析更大、更复杂的数据，而且传输更加迅速，结果更加精准。
数据挖掘、机器学习和深度学习的区别
数据挖掘是发现以前未知的模型和知识
机器学习是用来重现已知的模型和知识，自动应用到其他数据，然后自动的将这些结果应用到决策和行动。
深度学习结合了计算能力和特殊类型的神经网络，在大量的数据中学习复杂的模式。深度学习技术目前在识别图像中的目标和声音中的单词方面效果较好。
推荐一篇博客，讲的挺细的，可以作为了解看一看。