学习来源：MOOC深度学习应用开发-TensorFlow实践
AlphaGo技术：蒙特卡洛树、深度学习、强化学习。采用了深度卷积神经网络训练策略和价值网络，以减少模拟的宽度和深度。
有监督学习：大量训练数据+区分方法。用于连续数据预测，常见算法：线性回归、Gradient Boosting、AdaBoost、神经网络。用于离散数据分类，常见算法：逻辑回归、决策树、KNN、随机森林、支持向量机、朴素贝叶斯、神经网络。
无监督学习：仅有输入数据，计算机自己找出内在结构，常见算法：K-means聚类，关联规则抽取。
半监督学习：训练数据一部分有标记，一部分无标记，没有标记的多于有标记的
强化学习：解决计算机从感知到决策控制的问题，从而实现通用人工智能。以目标为导向，不断尝试，错误就惩罚，正确就奖励。
常用**函数：
相关文章：