模式识别vs机器学习vs深度学习

2017年要说最火的几个关键词中，必然有【机器学习】的一席之地，从AlphaGo战胜人类围棋冠军到google无人驾驶技术的逐步成熟，从基于特征的推荐算法到更为精确的语音识别技术，机器学习正在渗透我们的生活。

其实机器学习并没有大家想的那么深奥，人人都可学习。大家最头疼的问题一定是第一步我该做什么？别担心，我会通过几个章节，为大家揭开机器学习的神秘面纱。

首先理解 模式识别、机器学习、深度学习之间的关系。

模式识别

在工业时代，从一些个别的事物或现象推断出事物或现象的总体，人脑的这种思维能力就构成了“模式”的概念，即为"模式识别"

例：识别猫 人们通过猫的集合体推断出，四条腿，体型较小，会喵喵叫的动物为猫。机器通过人的思维构建的模式来判断它是否为猫。

机器学习

通过喂给机器大量数据、从数据中自动分析获得规律，并利用规律对未知数据进行预测，这个分析的过程就是机器学习的过程。

例：机器通过阅读与猫相关的数据进行学习，发现它会叫、小眼睛、两只耳朵、四条腿、一条尾巴从而得到结论，从而判断它是猫。

深度学习

机器通过对数据更深层次的分析，提取出对应特征（主要是使用神经网络）

例：机器通过深入了解它，发现它会’喵喵’的叫、与同类的猫科动物很类似，得到结论，从而判断它就是猫。

总结

1、模式识别：是基于人的经验，由人赋予计算机智能

2、机器学习：通过分析大量数据，由机器通过统计学，概率的方式总结规律（线性回归、逻辑回归、神经网络、SVM等）

3、深度学习：可以看作机器学习更深层的分支，具有超多层的神经网络，能够学到更多的特征。