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