1.人工智能,机器学习,深度学习的关系?
答:机器学习是人工智能的实现途径,深度学习是机器学习的一个方法发展而来
2.人工智能的主要分支是?
答:计算机视觉(CV):计算机感知周围环境,实际应用如:图像识别,图像处理;
自然语言处理(NLP):文本挖掘,机器翻译等;
机器人
3.机器学习的主要流程?
答:数据采集(目前在工作中还未接触到);
数据预处理:对数据去除异常值,数据缺失值处理;个人感觉这算是个难点了,由于现在是在做数据分析师,对数据预处理见解类似于ETL流程里ods层数据进入dw层,将数据进行清洗,异常值的判断,数据的缺失要结合业务知识的理解,这个需要在任务开始阶段与相关数据人员,业务人员确定处理规则;后面有新理解再补充
特征工程:稍后详解
机器学习(模型训练):稍后详解
模型评估:字面意思,模型测试结果准确就上线,不准就重来奥,至于怎么测试,还没学到先就不写捏。
4.机器学习的定义:从数据中自动分析出模型,对利用模型对未知事物进行预测(nb,希望我学完了可以预测彩票捏)
5.数据简介
英雄名称 | 身高 | 体重 | 好看程度 |
熔岩巨兽 | 100 | 1000 | ? |
寒冰射手 | 1.7 | 50 | 好 |
离群之刺 | 1.7 | 50 | 好 |
不详之刃 | 1.7 | 50 | 好 |
一行数据称为一个样本,一列数据称为一个特征,上表中的好看程度就是目标值(标签值)
这里比较绕口,目前我的理解是一个样本是包含多个属性的数据,特征是值表中某一个属性数据,目标值是用来判断某个属性的范围,笼统描述?)