机器学习很多种
机器智能做的两个事情，
1. 分类，将内容/事物等进行分类。
2. 回归，预测一个判断是否正确
逻辑回归，通过回归，将内容分类
机器智能所运用的方法
1. 线性回归/逻辑回归
线性函数/数学函数，通过预测进行判断。减少损失（误差）最小，也就是目标函数。
2. K临近，物以类聚，人以群分
相邻属性计算相似度，按相似度比较近的人进行分类
3. 决策树
多条件决策树，决策树是自定义的
4. 支持向量机
向量算法，在平面上跟线性回归看起来一样线性可分(通过一条线划分)；线性不可分，通过增加维度，通过多维函数(核函数)来划分多维度情况下，可以
5. 朴素贝叶斯
通过概率的算法，将内容/事物等进行分类。
比如一系列的属性，将内容和事物进行分类
6. 神经网络
通过多维参数输入，不同的参数不同的权重，根据参数进行判断，根据数据计算，达到某个阈值进行分类。
深度神经网络，通过多层（3层以及以上）的多维参数判断。
实际应用-图像识别
1. 卷积神经网络
通过主要特征进行识别，卷积主要为了提取特征,根据概率判断。
2. 卷积核
一个特征定于一个九宫格（卷积核）， 四周数字为-1，中间为8 ，与 背景数量相乘，求平均数。
根据不同的特征，定义不同的卷积核心
3. 对卷积核结果取最优,并这个就叫池化，进行了数据压缩
4. 多次卷积和池化，得到不同的特征组合，然后根据特征值进行分类判断。
5. 调整卷积核的过程就是调整参数，让特征更准确。
来源：https://www.bilibili.com/video/BV13U4y1H7Xn