一文带你彻底了解人工智能、机器学习、深度学习、数据挖掘的区别
作者｜Panda程序员
来源｜机器学习与Python编程
一、前言
学习Python机器学习之前，先要搞清楚人工智能、机器学习、深度学习、数据挖掘分别是什么意思，区别是什么。人工智能包含着丰富的内容，分清楚每一项都是做什么的，才能选找到适合自己的领域。
二、人工智能AI
人工智能分为强人工智能和弱人工智能。强人工智能是通过计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，可以像人类一样思考，也就是电影里面的机器人。弱人工智能是指擅长于单个方面的人工智能。垃圾邮件的自动识别，语音助手siri，图像分类，人脸识别等都属于弱人工智能，也是现在大多数人从事的领域。人工智能的研究领域在不断扩大，各个分支主要包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。
三、机器学习ML
如何实现这种人工智能的智慧？这就需要机器学习了，机器学习是一种实现人工智能的方法，或者说算法。
机器学习最基本的做法，是使用算法来分析数据、从中训练学习，然后对真实事件做出决策和预测。机器学习是用大量的数据来“训练”，通过某种机器学习算法从数据中学习。这类似人类在接触过很多事物、经历后获得的“经验”一样。
传统的机器学习算法包括决策树、聚类、贝叶斯分类、支持向量机、EM算法、Adaboost等等。从学习方法上，机器学习算法可以分为监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习。
机器学习应用十分广泛，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、语音识别及手写识别等。
四、深度学习DL
深度学习并不是一种独立的学习方法，其本身也会用机器学习算法来训练深度神经网络。
深度学习，作为目前最热的机器学习方法，但并不意味着是机器学习的终点。目前存在以下问题：
- 深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理；
- 有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得用复杂的深度学习方法；
- 深度学习的思想，来源于人脑的启发，但绝不是人脑的模拟，人脑不需要大量的数据训练支持，我们只要看过一张猫的图就认识了猫，而机器必须经过几百万张猫的图才能“认识”猫。
五、数据挖掘
数据挖掘利用统计学习方法等，将大量的历史数据，进行分析与处理，是从海量数据中“挖掘”隐藏的有价值信的过程。应用领域包括情报检索、数据分析、模式识别等。
结束语:
不知道阅读了本文后，你是否对人工智能的各个领域有了一个大致的了解呢？码字不易，觉得不错帮我点个赞吧！