机器学习ng（机器学习算法）

深度学习和机器学习的区别是什么

机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。

而机器学习与深度学习对比具体体现在四方面，第一就是数据依赖，一般来说，性能是区别二者的最主要之处。当数据量小时，深度学习算法表现不佳。这就是深度学习算法需要大量的数据才能完美理解的唯一原因。第二就是硬件依赖通常，深度学习依赖于高端设备，而传统学习依赖于低端设备。因此，深度学习要求包含GPU。

深度学习与传统的机器学习最主要的区别在于随着数据规模的增加其性能也不断增长。当数据很少时，深度学习算法的性能并不好。这是因为深度学习算法需要大量的数据来完美地理解它。硬件依赖 深度学习算法需要进行大量的矩阵运算，GPU 主要用来高效优化矩阵运算，所以 GPU 是深度学习正常工作的必须硬件。

从零开始到运用机器学习做项目需要多长时间?自学可以吗?

从零开始到运用机器学习做项目需要3年时间。要回答这个问题，首先要考虑的问题是：你有多少时间？在三个月内开始学习与想在一个月内开始学习绝对是一条不同的道路。当然，我建议安全起见，至少花五个月时间学习机器学习的基础知识。基础知识很重要。知道原因很重要。

有基础的话三个月就能学得很不错了，但是仅仅自学是不行的，学的理论和企业的应用差的太多了，你最好去找些培训机构学习一下，多参加一些真正地项目开发，公司都要有经验的人，没有什么项目很难拿到高工资的。

至于培训班，内容其实和自习差别不大，但是可以帮你固定一个强制性的学习时间，花钱给自己买一些压力。如果时间和财力允许，可以选择。在学习过程中，唐 盲目地照别人的样子打字 代码。连我都不 我不建议你做笔记。

Coursea机器学习Ng的课程。第七周中讲到SVM的一道选择题。请问大神怎...

1、首先你要知道分界线是什么。确定分界线需要支持向量。首先你要承认，y轴就是一个不赖的分解线。通过数据集的特点就能发现，最左最右的两个数据点不会成为支持向量，你可以构造出反例，但你会发现这样的分类间隔很小。这样支持向量的候选集就只有3个点。而且他们还关于y，原点基本对称。

2、第二步：入门机器学习算法。还是因为比较懒，也就直接用了著名的——斯坦福大学公开课 ：机器学习课程，吴恩达教授的老版cs229的视频，讲的非常细（算法的目标-数学推演-伪代码）。