【转载】模式识别、机器学习的区别和联系

              版权声明：欢迎转载，转载请注明出处：土豆洋芋山药蛋                  https://blog.csdn.net/qq_33414271/article/details/78682239              </div><link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f57960eb32.css"><div id="content_views" class="markdown_views prism-atom-one-light"><!-- flowchart 箭头图标 勿删 --><svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg><p>先上一张图看看： <br>

模式识别：自己建立模型刻画已有的特征，样本是用于估计模型中的参数。模式识别的落脚点是感知

模式识别是70年代和80年代非常流行的一个术语。它强调的是如何让一个计算机程序去做一些看起来很“智能”的事情，例如识别“3”这个数字。而且在融入了很多的智慧和直觉后，人们也的确构建了这样的一个程序。例如，区分“3”和“B”或者“3”和“8”。早在以前，大家也不会去关心你是怎么实现的，只要这个机器不是由人躲在盒子里面伪装的就好。不过，如果你的算法对图像应用了一些像滤波器、边缘检测和形态学处理等等高大上的技术后，模式识别社区肯定就会对它感兴趣。光学字符识别就是从这个社区诞生的。因此，把模式识别称为70年代，80年代和90年代初的“智能”信号处理是合适的。决策树、启发式和二次判别分析等全部诞生于这个时代。而且，在这个时代，模式识别也成为了计算机科学领域的小伙伴搞的东西，而不是电子工程。

机器学习：根据样本训练模型，如训练好的神经网络是一个针对特定分类问题的模型；重点在于“学习”，训练模型的过程就是学习；机器学习的落脚点是思考；

在90年代初，人们开始意识到一种可以更有效地构建模式识别算法的方法，那就是用数据（可以通过廉价劳动力采集获得）去替换专家（具有很多图像方面知识的人）。因此，我们搜集大量的人脸和非人脸图像，再选择一个算法，然后冲着咖啡、晒着太阳，等着计算机完成对这些图像的学习。这就是机器学习的思想。“机器学习”强调的是，在给计算机程序（或者机器）输入一些数据后，它必须做一些事情，那就是学习这些数据，而这个学习的步骤是明确的。相信我，就算计算机完成学习要耗上一天的时间，也会比你邀请你的研究伙伴来到你家然后专门手工得为这个任务设计一些分类规则要好。

区别与联系：

模式识别是根据已有的特征，通过参数或者非参数的方法给定模型中的参数，从而达到判别目的的；机器学习侧重于在特征不明确的情况下，用某种具有普适性的算法给定分类规则；学过多元统计的可以这样理解：模式识别的概念可以类比判别分析，是确定的，可检验的，有统计背景的（或者更进一步说有机理性基础理论背景），而机器学习的概念可以类比聚类分析（聚类本身就是一种典型的机器学习方法），对“类”的严格定义尚不明确，更谈不上检验；
针对市面上很多关于模式识别与机器学习的著作内容重合，应该这么看：
①算法是中性的，两个不同的学科领域关键看思维。如神经网络的应用，如果通过具体学科，如生物学的机理分析是明确了某种昆虫的基因型应该分为两类，同时确定了其差异性的基因是会表现在触角长和翅长两个表现型的话，那么构造两个（触角长，翅长）——（隐含层）——（A类，B类）的网络可以看作对已有学科知识的表达，只是通过网络刻画已有知识而已；而机器学习的思路是：采样，发现两类品种差异最大的特征是触角长和翅长（可能会用到诸如KS检验之类的方法），然后按照给定的类目：两类来构造神经网络进行分类；同一个算法，两个学科是两种思路；②模式识别在人工智能上的前沿成果已经慢慢被机器学习取代，所以很多以AI为导向的模式识别书记包含了很多机器学习的算法也正常，毕竟很多新成果是机器学习做出的；
关于应用范围，机器学习目前是在狭义的人工智能领域走得比较快，但是广度还是模式识广，模式识别在很多经典领域，如信号处理，计算机图像与计算机视觉，自然语言分析等都不断有新发展；
从发展目标看，机器学习是要计算机学会思考，而模式识别是具体方法的自动化实现（不止计算机，还包括广义的控制系统），从立意上机器学习要高出一筹。至于现实中是否能实现，当前的机器学习热潮会不会陷入泡沫，都值得观察。

最后附上一个截至目前谷歌搜索的趋势：

感谢（参考文献）：
https://www.csdn.net/article/2015-03-24/2824301#q=machine+learning,+pattern+recognition,+deep+learning&cmpt=q&tz&tz
黎韬：https://www.zhihu.com/question/38106452/answer/211218782

【转载】模式识别、机器学习的区别和联系相关推荐

第1节：深度学习与机器学习的区别
前言首先,关于机器学习 ,深度学习 ,人工智能的相关概念和领域划分详情可参见这篇文章一文看懂人工智能.机器学习.深度学习与神经网络之间的区别与关系那么我们今天要说的深度学习与机器学习的区别主要体现 ...
图像处理、计算机图形学、计算机视觉和模式识别领域的区别和联系
(本文针对论坛多个人的说法,自己整理了一下,恳请大家批评指教.) 一.区别 1.数字图像处理(Digital Image Processing) 数字图像处理是对已有的图像进行变换.分析.重构,得到的 ...
模式识别机器学习PRML考前自测
绪论 1.请介绍一下机器学习的整体框架机器学习和模式识别基本一个东西,模式识别是工业界的称呼而已.机器学习是人工智能下属的子领域,用来辅助在大数据时代进行数据分析与数据管理,应用于数据挖掘工作.人工 ...
【模式识别/机器学习】支持向量机SVM浅析
支持向量机(Support Vector Machines,SVM)是1995年Cortes喝Vapnik首先提出的,它在解决小样本.非线性以及高位模式识别问题中表现出了许多特有的优势,并且可以推广应 ...
干货解读 |大数据，数据挖掘，机器学习的区别和联系
大数据大数据(big data),或称巨量资料,指的是所涉及的资料量规模巨大到无法透过主流软件工具,在合理时间内达到撷取.管理.处理.并整理成为帮助企业经营决策更积极目的的资讯. 研究机构Gartn ...
【转载】ABAP 字符串 ‘‘ || `` 区别
转载学习一下,正好用到,谢谢. DATA ts TYPE TABLE OF string. ts = VALUE #( ( 'A' ) ). 会报错的问题,报错为类型冲突. 从而重新理解了char以及 ...
详解数据挖掘与机器学习的区别与联系
0.为什么写这篇博文最近有很多刚入门AI领域的小伙伴问我:数据挖掘与机器学习之间的区别与联系.为了不每次都给他们长篇大论的解释,故此在网上整理了一些资料,整理成此篇文章,下次谁问我直接就给他发个链接 ...
全栈深度学习第4期: 机器学习岗位区别与团队管理
一起追剧鸭简介 Berkeley全栈深度学习追剧计划是由夕小瑶的卖萌屋发起的优质公开课打卡项目,通过微信群为同期追剧的小伙伴提供交流平台.关于该计划的详请见这里. Berkeley深度学习追剧群目 ...
python网格搜索核函数_(转载)Python机器学习笔记GridSearchCV（网格搜索）
转载声明介绍在机器学习模型中,需要人工选择的参数称为超参数.比如随机森林中决策树的个数,人工神经网络模型中隐藏层层数和每层的节点个数,正则项中常数大小等等,他们都需要事先指定.超参数选择不恰当,就 ...

【转载】模式识别、机器学习的区别和联系

【转载】模式识别、机器学习的区别和联系相关推荐

最新文章

热门文章