一、三种概念解释：

1、人工智能（ArtificialIntelligence，AI）：

是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它定义只阐述了目标，而没有限定方法。

2、机器学习（MachineLearning，ML）：

专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

3、深度学习（DeepLearning，DL）：

它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

二、三者之间的关系：

KNN 人工智能 人工智能ml_KNN 人工智能

 

三、机器学习的实现可以分成两步：

1、训练：

从具体案例中抽象出一般规律。从一定数量的样本（已知模型输入X和模型输出Y）中，学习输出Y与输入X的关系。

2、预测：

从一般规律推导出具体案例的结果。基于训练得到的Y与X之间的关系，根据新的输入X，计算出输出Y。

四、模型构成的三个关键要素：

1、假设：

漫无目标的试探Y~X之间的关系显然是十分低效的，因此需要先假设一个模型来表达Y~X的关系

2、评价：

定义一个评价一个Y~X关系的好坏的指标。通常衡量该关系是否能很好的拟合现有观测样本，将拟合的误差最小作为优化目标。

3、优化：

寻找最优解的方法即为优化算法

五、深度学习主要涉及三类方法：

1、卷积神经网络(CNN)

     基于卷积运算的神经网络系统

2、自编码( Auto encoder)和稀疏编码两类( Sparse Coding)

      基于多层神经元的自编码神经网络

3、深度置信网络(DBN)：

     以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值

（明天输出CNN的一些概念）