人工智能的两个不同的技术应用成果：一个是基于大数据的深度学习和增强学习方法，另一个是基于小数据的一次学习方法，我们也称个案学习方法，两种方法各有特色和应用场景。其实，从机器学习专业角度来讲，深度学习和增强学习以及一次学习都不是开创性的新方法，很早以前机器学习就有了类似的技术，只不过现在拥有了大数据，并且技术又有了新的发展，也取得了更良好的应用成果。深度学习是源于传统的神经网络技术，增强学习也是借鉴

1.特性选择特性选择：为特定的应用在不失去数据原有价值的基础上选择最小的属性子集，去除不相关和冗余的属性。特性选择用于在建立分类模型后，或者预测模型之前，对原始数据库进行预处理。本节将介绍特性选择的概念，特性选择的三个常用算法：线性相关算法，相关因子SRCF算法，以及最小描述长度MDL算法。1.1特性选择概念我们把被预测的那个属性称为目标变量(Target Variable),把用来预测目标变量值