机器学习day one

人工智能三大概念

人工智能（AI）、机器学习（ML）和深度学习（DL）

◆机器学习的应用领域和发展史

◆机器学习常用术语样本、特征、标签、训练集和测试集

◆机器学习算法分类有监督学习、无监督学习、半监督、强化学习

◆机器学习建模流程

◆特征工程概念入门特征工程、特征工程子领域

◆模型拟合问题◆机器学习开发环境

什么是人工智能？

人工智能(Artificial Intelligence，简称AI )是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。它是计算机科学的一个分支，旨在理解和复制智能的本质，并生产出能够以人类智能相似的方式做出反应的智能机器。人工智能的研究领域包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习和计算机视觉等。

深度学习

•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

AI发展三要素

•数据、算法、算力三要素相互作用，是AI发展的基石

有监督学习&无监督学习

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

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。

◆数据集：不需要标注数据

无监督学习特点：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

半监督学习工作原理：

1让专家标注少量数据，利用已经标记的数据（也就是带有类标签）训练出一个模型

2再利用该模型去套用未标记的数据

3通过询问领域专家分类结果与模型分类结果做对比.

半监督学习方式可大幅降低标记成本

机器学习算法分类–强化学习

1强化学习（Reinforcement Learning）：机器学习的一个重要分支

2应用场景：里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景

3基本原理：通过构建四个要素：agent，环境状态，行动，奖励，agent根据环境状态进行行动获得最多的累计奖励。

1按照学习方式分类可分为:监督学习,无监督学习,半监督学习,强化学习

2监督学习:输入训练集数据包含输入特征值和目标值回归:函数的输出是一个连续的值分类:函数的输出是有限个离散值

3无监督学习:输入训练集数据是由输入特征值组成，没有目标值比如：聚类根据样本间的相似性对样本集进行分类

4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

5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)