标签：预测 机器学习 变化 视频 方式 算法 传统 动物 视觉
一·数据挖掘
数据挖掘主要是应用于大数据领域，利用机器学习的模型来挖掘数据中的潜在价值。发现数据之间的关系。比如根据房价的变化预测房价，根据天气信息预测天气等。会应用经典的回归类问题。
传统的监督学习，或者非监督学习，或者与深度学习相结合的方式。
二·计算机视觉
让机器像人一样看世界，看到图像，视频等媒体。会把图像进行识别，分类。图中的是动物，还是人，还是其他的物体。这些案例也会应用到深度学习。
三·自然语言处理
让机器像人一样理解语言，理解人写的文字等的含义。并作出一定的反应。比如，新闻，文章，机器可以识别并为他们分类。或者自动生成文本摘要。
四·机器人决策
让机器像人一样拥有决策的能力，比如自动驾驶。机器人的控制等，都可以用到机器学习的算法。
机器学习的根本是要有大量的数据去训练模型，检验模型达到我们所期望的那个标准。输出的准确率达到我们的要求。那么我们就可以使用这个机器学习的算法模型去完成我们所想要去完成的一些工作。
现在python中有很多机器学习数据处理的模块，可以很方便的帮我们搭建一个机器学习的模型。但是只是在调节参数来完成一些实验结果。真正的机器学习模型我们还是要懂背后的算法原理。这样才能更好的选择
适合工作的模型和解决方案。
标签：预测 机器学习 变化 视频 方式 算法 传统 动物 视觉
原文地址：https://www.cnblogs.com/dzswise/p/10193381.html
