大數據、機器學(xué)習、神經(jīng)網(wǎng)絡(luò )等名詞和概念有何聯(lián)系？

機器學(xué)習和神經(jīng)網(wǎng)絡(luò )兩者均是人工智能里的方法，雖然思路大同小異，但在人工智能的大框架里，其性質(zhì)是一樣的。

機器學(xué)習和神經(jīng)網(wǎng)絡(luò )都屬于人工智能，機器學(xué)習和神經(jīng)網(wǎng)絡(luò )是實(shí)現人工智能的方法，而大數據則是機器學(xué)習和神經(jīng)網(wǎng)絡(luò )用來(lái)訓練學(xué)習的數據支撐。

機器學(xué)習是通過(guò)數據進(jìn)行建模的技術(shù)，說(shuō)的更深刻一點(diǎn)就是，從給定的大數據中挖掘出合適的模型來(lái)解釋、預測的技術(shù)。

舉個(gè)例子，如何在沒(méi)有特定說(shuō)明的情況下識別漢字“一”和“二”。這個(gè)問(wèn)題看似簡(jiǎn)單，但仔細一想，沒(méi)有辦法給出個(gè)公式來(lái)計算哪個(gè)是一哪個(gè)又是二。因為我們從來(lái)沒(méi)學(xué)過(guò)這樣的公式。我們第一次見(jiàn)到“一”和“二”的時(shí)候只是在思考它是什么。經(jīng)過(guò)看大量的這倆字。最后見(jiàn)到一樣的就叫出來(lái)“一”和“二”了。機器學(xué)習就是這樣，通過(guò)不斷的數據來(lái)訓練，最后就能“分清”這倆字了。

而神經(jīng)網(wǎng)絡(luò )，在前面的文章里提過(guò)，從單個(gè)輸入層到中間層再到輸出層，每一層都通過(guò)預測所得的值和期望的值進(jìn)行對比。同樣以“一”“二”“三”來(lái)說(shuō)事，當預測感覺(jué)更像“二”，而實(shí)際這個(gè)數是“三”的時(shí)候，預測值與期望不同了，這時(shí)預測值的權重將適當增大以適應期望值。這也就是“糾正”的意思，這樣得出的結果就是“三”了。

機器學(xué)習和神經(jīng)網(wǎng)絡(luò )兩者均是人工智能里的方法，雖然思路大同小異，但在人工智能的大框架里，其性質(zhì)是一樣的。

大數據則是為算法提供“材料”的一個(gè)工具，前面的文章里也進(jìn)行過(guò)闡述，實(shí)際網(wǎng)絡(luò )上的數據冗雜，并不是所有的東西都是有用信息，而訓練需要的數據只是茫茫數據中的一小部分，這時(shí)就需要對數據進(jìn)行篩選、分類(lèi)、整合了，通過(guò)大數據最終得到的才是適合我們進(jìn)行機器學(xué)習或者神經(jīng)網(wǎng)絡(luò )訓練的數據。

以上就是大數據、機器學(xué)習、神經(jīng)網(wǎng)絡(luò )之間的關(guān)系。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！