机器学习
学习：寻找数据自动搜索的优化过程
假设空间：一组实现定义好的操作（机器学习寻找变换时遍历假设空间）
深度学习
深度：层级表示学习
ps：不要相信短期炒作，但一定要相信长期愿景。
深度学习从数据中进行学习是有两个基本特征：
1、通过渐进的、逐层的方式形成越来越复杂的表示（不同的layer构成network）
2、对中间这些渐进的表示共同进行学习
为什么现在起飞：硬件、数据、算法的共同推动
其他机器学习（简史）
在这里简单整理（不作具体说明）
概率建模
朴素贝叶斯
logistic回归
早期神经网络
梯度优化下降
核方法
这是一种分类算法
分类机（SVM）：寻找决策边界
1）将数据映射到一个新的高维表示（决策边界变为超平面）
2）间隔最大化
（需要用到核技巧和核函数）
决策树、随机森林与梯度提升机
可以关注Kaggle竞赛网站建议用Chrome打开
此外还有Kaggle竞赛整理
以及Kaggle竞赛源码
——————————————————————————————————————————————
小白一枚，理解有误欢迎指正，侵删。