模式识别和机器学习的区别在于:
前者喂给机器的是各种特征描述,从而让机器对未知的事物进行判断;
后者喂给机器的是某一事物的海量样本,让机器通过样本来自己发现特征,最后去判断某些未知的事物。
通俗些来说,模式识别更像是以前我们经历的填鸭式教育,老师教给学生的知识都是纸上谈兵;而机器学习则更像是读万卷书行万里路。
举一个例子吧,笑脸识别,自动拍照:
假如我把嘴角上扬,牙齿微微露出,以及脸上的某块肌肉在动,定义成笑脸的特征。
模式识别干的事情就是:
我告诉机器具有这些特征的脸就是笑脸,否则不是笑脸,那么机器就对下一张脸进行
识别,检查下一张脸有没有那些特征,有的话就识别为笑脸,拍照,没有的话就不拍照。机器学习干的事情就是:
我没有告诉机器笑脸的特征,只是给了机器很多,笑脸与非笑脸的照片,并告诉机器哪张是笑脸(有监督学习),哪张不是
笑脸(注意:这里并没有告诉机器笑脸的特征,仅仅告诉机器是不是笑脸),然后机器自己去挖掘笑脸和非笑脸的
特征,新的照片来了之后,机器可以判断是不是笑脸,决定拍不拍照。再举一个例子吧,人脸识别,开门:
模式识别干的事情就是:
我先告诉机器,A同学脸的特征是大眼睛,长睫毛,樱桃嘴巴等等,当扫描人脸的时候,机器开始检查,这张脸
有没有那些特征,有的话,就开门,没的话就不开。
当然,现在已经不需要去刻意区分它们,模式识别多是一个工业界的概念,机器学习则流行于学术界,经典书籍Pattern Recognition and Machine Learning则不区分它们,模式识别可认为是早期的机器学习
模式pattern的定义:certain characteristics of data that are frequently observed
机器学习和模式识别点区别 模式识别与机器学习
转载本文章为转载内容,我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题,欢迎原作者联系我们进行内容更正或删除文章。
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
模式识别与机器学习(二)
模式识别
模式识别 聚类 待分类 算法思想 -
模式识别与机器学习(三)
动态聚类算法--C均值聚类以及近邻函数聚类方法介绍
模式识别 聚类 迭代 待分类