跟黑马程序员学习AI的day 01
时间:2024-04-26 21:40:30 来源:网络cs 作者:往北 栏目:卖家故事 阅读:
目录
1.人工智能三大概念
2.机器学习的应用领域和发展史
3.机器学习常用语术
4.机器学习算法分类
5.机器学习建模流程
一、 人工智能三大概念: 人工智能 AI (Aritificial Intelligennce) 机器学习 ML 深度学习 DL
1. 人工智能 AI
研究智能行为的计算机主体的合成和分析的领域 ,使用计算机来模拟和代替人类大脑,老师讲述为仿智。
2.机器学习 ML
使计算机能够在无需明确编程即可学习的能力的研究领域。像人类具有经验然后根据规律来完成事物,机器根据提供的数据训练成一个模型,输入新的数据来预测未知属性。
3.深度学习 DL
深度学习(DL, Deep Learning),也叫深度神经网络,大脑仿生,设计一层一层的神经元模拟万事万物。
三者之间的关系:机器学习是实现人工智能的一种途径
深度学习是机器学习的一种方法
4.算法的学习方式:基于规则的学习和基于模型的学习
二、机器学习的应用领域以及发展史
应用领域:
发展史:
•1950:图灵设计国际象棋程序-1962:IBM Arthur Samuel的跳棋程序战胜人类高手(人工智能第一次浪潮)
•1993:Vapnik提出SVM•1997:IBM深蓝战胜卡斯帕罗夫(人工智能第二次浪潮)
•2012:AlexNet深度学习的开山之作•2016:Google AlphaGO战胜李世石(人工智能第三次浪潮)
•2017年,自然语言处理NLP的Transformer框架出现2018年,Bert和GPT的出现2022年,chatGPT的出现,进入到大模型AIGC发展的阶段
AI 发展三要素: 数据 算法 算力相互作用,是AI发展的基石。
三、机器学习常用术语
1.样本和数据集
2.特征
•特征(feature):一列数据一个特征,有时也被称为属性
•样本(sample):一行数据就是一个样本
•数据集dataset:多个样本组成数据集
3.标签
•标签/目标(label/target):模型要预测的那一列数据。
4.数据集划分
•训练集用来训练模型、测试集用来测试评估模型
一般划分比例7:3 ~ 8:2
x_train 训练集中的x x_test 测试集中的x y_train 训练集中的y y_test测试集中的y
四、机器学习算法分类
1.有监督学习
定义:输入数据是由输入特征值和目标值所组成,即输入的训练数据有标签的
数据集:需要标注数据的标签/目标值
分类问题(离散)
应用:例如判断一幅图片上的动物是一只猫还是一只狗,判断明天天气的阴晴,判断零件的合格与不合格等。
回归问题(连续)
应用:如预测房价、股票的成交额、未来的天气情况等。
2.无监督学习
定义:输入数据没有被标记,即样本数据类别未知,没有标签,根据样本间的相似性,对样本集聚类,以发现事物内部结构及相互关系。
特点:1.训练数据无标签 2.根据样本间的相似性对样本集进行聚类,发现事物内部结构及相互关系
3.半监督学习:训练集同时包含有目标值的样本数据和不含有目标值的样本数据
4.强化学习:智能体不断与环境进行交互,通过获取最大奖励的方式(试错的方式)来获得最佳策略;主要包含四个元素:Agent(智能体),环境(Environment),行动(Action),奖励(reward)
五、机器学习建模流程
机器学习建模的一般步骤
•获取数据:搜集与完成机器学习任务相关的数据集
•数据基本处理:数据集中异常值,缺失值的处理等
•特征工程:对数据特征进行提取、转成向量,让模型达到最好的效果
•机器学习(模型训练):选择合适的算法对模型进行训练
•根据不同的任务来选中不同的算法;有监督学习,无监督学习,半监督学习,强化学习
•模型评估:评估效果好上线服务,评估效果不好则重复上述步骤
以上为我的分享~
阅读本书更多章节>>>>本文链接:https://www.kjpai.cn/gushi/2024-04-26/162718.html,文章来源:网络cs,作者:往北,版权归作者所有,如需转载请注明来源和作者,否则将追究法律责任!
上一篇:在线预览文档的前端实现方法
下一篇:返回列表