# 开新坑 # 一起来学习机器学习吧~

目前，机器学习和数据挖掘方法已经被广泛应用于解决生物信息学问题。在我研究的宏基因组领域更是如此，无论大的小的文章，总会用上一些机器学习的概念，比如用一些算法来区分不同样本，亦或是构建模型进行预测等等。所以作为 21 世纪的生物狗，这些时髦的东西还是得了解一些滴~

机器学习相关概念

首先，给大家介绍一些概念，人工智能、机器学习与深度学习之间到底是啥关系？

人工智能的范围最大，各个分支包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等等。

人工智能分为弱人工智能和强人工智能，前者让机器具备观察和感知的能力，可以做到一定程度的理解和推理，而强人工智能让机器获得自适应能力，解决一些之前没有遇到过的问题。但目前的科研工作都集中在弱人工智能这部分，并很有希望在近期取得重大突破。弱人工智能有希望取得突破，是如何实现的，“智能”又从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。

机器学习是人工智能的一个分支，是一种实现人工智能的方法，即以机器学习为手段解决人工智能中的问题。让一个计算机程序针对某一个特定任务，从经验中学习，并且越来越好。

机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。

而深度学习则是机器学习拉出的分支。是机器学习算法中的一种算法，一种实现机器学习的技术和学习方法。

学习路径

我打算根据《机器学习实战》开始学习，每周看 1 ~ 2 章。这本书主要讲解了如何使用 Python 代码实现一些机器学习的主流算法，并尝试应用这些算法到自己的数据中。我大概翻了翻，觉得关于 Python 代码的部分，写的并不是很好，一方面是这本书还用的是 Python2，另一方面是，我习惯于用 Pandas 中的 dataframe 来处理数据（书上还是比较原始的方法。。），所以我打算在之后的学习中把所有的代码都替换为 Python3 并使用数据框来处理数据。