机器学习，深度学习和强化学习
机器学习 vs 深度学习 vs 强化学习
🧠 1. 简单定义
-
机器学习（Machine Learning）：
让计算机从数据中学习规律，做出预测或决策的算法总称。 -
深度学习（Deep Learning）：
一种基于神经网络的机器学习方法，擅长图像、语音、语言等复杂任务。 -
强化学习（Reinforcement Learning）：
智能体与环境互动，通过“奖励”学习如何采取最优行动。
🧬 2. 关系图
机器学习
┌────────────┐
│ │
│ 深度学习 │
│ ┌────┐ │
│ │强化学习│
│ └────┘ │
└────────────┘
⚖️ 3. 核心区别
| 特征/类别 | 机器学习 | 深度学习 | 强化学习 |
|---|---|---|---|
| 是否监督学习 | ✅ 主要是 | ✅ 可监督或自监督 | ❌ 基于奖励，无需标签 |
| 输入数据 | 标准结构化数据 | 图像、音频、文本等 | 状态 + 奖励（环境） |
| 学习目标 | 拟合数据规律 | 模拟人脑学习复杂特征 | 最大化长期奖励 |
| 是否用神经网络 | 可有可无 | ✅ 是核心方法 | ❌ / ✅ 深度强化学习使用神经网络 |
| 是否交互学习 | 否 | 否 | ✅ 与环境持续交互 |
| 常见任务 | 分类、回归 | 图像识别、语音识别 | 游戏通关、机器人导航等 |
🧪 4. 举例说明
| 应用场景 | 使用方法 | 技术说明 |
|---|---|---|
| 手写数字识别 | 深度学习 | 用 CNN 识别图像 |
| 股票趋势预测 | 机器学习 | 回归模型或 XGBoost |
| 马里奥过关 | 强化学习 | 用 DQN 强化训练 |
| 语音转文字 | 深度学习 | 用 RNN 或 Transformer |
| 游戏 AI | 强化学习 | AlphaZero, MuZero 等 |
🎯 5. 总结一句话
机器学习让机器从数据中学，
深度学习让机器模拟大脑学习复杂内容，
强化学习让机器从试错中学，逐步接近“智能行为”。