2、机器学习
图3 机器学习常见算法图形表示
机器学习考察计算机如何基于数据学习。其主要研究领域之一是，计算机程序基于数据自动地学习识别复杂的模式，并做出智能的决断。机器学习是一个快速成长的学科，在这里，我们为大家介绍一些与数据挖掘相关的经典的、机器学习问题。
监督学习：基本上是分类的同义词。学习中的监督来自于训练数据集中被标记的实例。
无监督学习：本质上是聚类的同义词。学习过程是无监督的，因为输入实例没有类标记。
半监督学习：是一类机器学习技术，在学习模型时，它使用标记的和未标记的实例。在一种方法中，标记的实例用来学习类模型，而未标记的实例用来改进类边界。
主动学习：是一种机器学习方法，它让用户在学习过程中扮演主动角色。主动学习方法可能要求用户对可能来自未被标记的实例集或由学习程序合成的实例进行标记。给定可以标记的实例数量的约束，目的是通过主动地从用户获取知识来提高模型的质量。
3、深度学习
图4 深度学习是一种新的思维方式
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。晦涩难懂的概念，略微有些难以理解，但是在其高冷的背后，却有深远的应用场景和未来。
到了当下，经过深度学习技术训练的机器在识别图像时比人类更好，比如识别猫、识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤。
