学习人工智能第一周：线性回归(上)

学习之前

学习人工智能的学习曲线：
    入门难，大多数人会在入门开始就放弃；
    模型--深度学习---项目
如下图：
![image](https://note.youdao.com/favicon.ico)
学习AI，就是要掌握方法论，才能一通百通，以不变应万变

在AI中有句话：无法量化的事情，就无法优化

图片的向量化

看成图片的处理：
    将每一个点都看成红(0-255)绿(0-255)蓝(0-255)
    200*200像素的图片就是200*200*3
    遇到图片大小不一：就进行缩放
    
例子：二手平台卖二手车，颜色是其重要的特征
    
    颜色总共20种[ 。。。。]
    红色车[1,0,0,0,0,0,0,]
    蓝色车[0,1,0,0,0,0,0,]

文章的向量化

一篇文章：a,b,f
总词量[a,b,f,g,h,j,k,t,rw,w]
      [1,1,1,0,0,0,0,0,0,0,0] 

这种方法：one-hot方法
        弊端：当总量是20万，大量为0，过于稀疏
              顺序错误：我借给你，你借给我；
              歧义：我买了一个苹果(手机)

电商领域

用户画像
    男[0,1]   女[1,0]
    年龄：1-18，18-40，40-60，60-100
    37岁的男士   [0,1,0,1,0,0]
    15岁的女生   [1,0,1,0,0,0]

今日头条

文章：文章的长度，关键字
图片：人物，清晰，敏感
视频：完拨率，点赞率

人工智能

通过上面的例子可以看出，学习人工智能，其实就是：
    应用场景--->向量化(转化成机器可以看懂的0，1)--->
    模型-->结果

应用场景--->向量化    这个过程设计到特征工程
向量化--->模型        这里涉及的是深度学习