人工智能基础知识
graph LR
基本概念-->监督学习
基本概念-->无监督学习
基本概念-->强化学习
基本概念-->算法
一、监督学习(Supervised learning)
监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。
通俗来说 就是给机器数据
然后机器根据对象(或者说标签)来学习数据(feature)
最后使机器能够成功“分类”
二、无监督学习(Unsupervised Learning)
无监督学习(unsupervised learning),即设计分类器时候,用于处理未被分类标记的样本集。
其实无监督学习还有另一个名字叫做聚类算法(Clustering Algorithm) 从这里理解会更加简单: “把具有共同特征的事物分类”
三、强化学习(Reinforcement Learning)
强化学习的定义比较长 可以自己点进去看下
我自己的理解是通过不断的“试错”、“总结”和“反复理解”
不断加深认识 完善机制
有点像高中做的错题本 通过错题里纠正自己 矫正错误。
算法(Algorithm)
算法:是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。
我的理解:算法是个函数 每个算法(函数有他自己的作用)
我很喜欢最后那句话
了解AI 就是在了解我们自己
不管是神经网络还是机器学习 都在让人类更明白人类