隨著人工智能（AI）技術(shù)對各行各業(yè)有越來越深入的影響，我們也更多地在新聞或報告中聽到“機器學習”、“深度學習”、“增強學習”、“神經(jīng)網(wǎng)絡”等詞匯，對于非專業(yè)人士來說略為玄幻。這篇文章為讀者梳理了包括這些在內(nèi)的12個關鍵詞，希望幫助讀者更清晰地理解，這項人工智能技術(shù)的內(nèi)涵和潛能。

　　1、機器學習

　　湯姆·米歇爾教授任職于卡內(nèi)基梅隴大學計算機學院、機器學習系，根據(jù)他在《機器學習》一書中的定義，機器學習是“研究如何打造可以根據(jù)經(jīng)驗自動改善的計算機程序”。機器學習在本質(zhì)上來說是跨學科的，使用了計算機科學、統(tǒng)計學和人工智能以及其他學科的知識。機器學習研究的主要產(chǎn)物是算法，可以幫助基于經(jīng)驗的自動改善。這些算法可以在各個行業(yè)有廣泛應用，包括計算機視覺、人工智能和數(shù)據(jù)挖掘。

　　2、分類

　　分類的含義是，打造模型，將數(shù)據(jù)分類進入不同的類別。這些模型的打造方式，是輸入一個訓練數(shù)據(jù)庫，其中有預先標記好的類別，供算法進行學習。然后，在模型中輸入類別未經(jīng)標記的數(shù)據(jù)庫，讓模型基于它從訓練數(shù)據(jù)庫中所學到的知識，來預測新數(shù)據(jù)的類別。

　　因為這類的算法需要明確的類別標記，因此，分類算是“監(jiān)督學習”的一種形式。

　　3、回歸

　　回歸是與分類緊密聯(lián)系在一起的。分類是預測離散的類別，而回歸則適用的情況，是當預測“類別”由連續(xù)的數(shù)字組成。線性回歸就是回歸技術(shù)的一個例子。

　　圖片來源：KDNuggets