什么是机器学习&&什么是深度学习

一 机器如何学习 机器学习就是通过自身运行，习得（学习）事物的规律和事物间的关联 让一段程序了解客观世界变化万千的事物，则必须将这些事物数值化，将事物的变化和不同事物之间的关联转化为运算

说到数值，大家可能本能地想到 int、double、 float……但实际上，如果将一个语言要素对应成一个标量的话，太容易出现两个原本相差甚远的概念经过简单运算相等的情况。 假设“苹果“被转化为2，而“香蕉”被转化为4，难道说两个苹果等于一个香蕉吗？ 因此，一般在处理时会将自然语言转化成 n 维向量（独热模式就是典型代表）。只要转化方式合理，规避向量之间因为简单运算而引起歧义的情况还是比较容易的。

概念 <-> 数值、关系 <-> 运算的映射，造就了机器可以自主学习获得事物规律的可能

二 什么是深度学习 Deep Learning is a subfield of machine learning concerned with algorithms inspired by the structure and function of the brain called artificial neural networks

深度学习不是某一种模型，而是一种框架，一类方法论的集合，是一种“加深”的思想

---

传统机器学习经典算法：

Linear Regression Logistic Regression LDA LVQ Naive Bayes KNN Random Forest Decision Tree SVM Boosting&AdaBoost

---

数据增强技术：

GAN mixup Label smooth RandAugment mosaic dropout cutout cutmix Augmix MoEx

---

常用的三个数据增强库：

imgaug albumentations torchvision

补充： 几何增强：水平、垂直翻转、旋转、缩放、平移、裁剪、透视变换、仿射变换等； 颜色增强：对比度、亮度、饱和度，色彩空间转换、颜色抖动，通道混洗、随机擦除、填充，叠加噪声等；

---

常用的学习衰减策略：

StepLR MultiStepLR ExponentialLR CosineAnnealingLR ReduceLROnPlateau

---

归一化技术

BN GN LN GN FRN

---

优化算法

SGD Adam RMSprop