人工智能概念
AI : Artificial Intelligence 人工智能
仿智, 使用计算机模拟/替代人类
ML : Machine Learning 机器学习
机器自动学习,不是人为规则编程
DL : Deep Learning 深度学习
大脑仿生,设计一层一层神经元模拟万事万物
AI发展三要素: 数据、算法、算力
机器学习常用术语
样本sample/记录 : 一行数据一个样本
特征feature/属性 : 一列数据一个特征
标签/目标 label/target : 模型要预测的那一列数据
数据集划分
训练集 测试集
训练集 training set : 用来训练模型 model 的数据集
测试集 testing set : 用来测试模型的数据集
算法分类
有监督学习
输入数据由特征值和目标值构成
数据集需要人工标注
分类
目标值是不连续的
分类种类: 二分类、多分类
回归
目标值是连续的
无监督学习
输入数据没有标签
数据集不需要标注数据
特点: 训练数据无标签 , 根据样本间相似性对样本集聚类,发现事物内部结构和相互关系
半监督学习
部分样本有目标值,部分数据无目标值
强化学习 Reinforcement Learning
智能体不断与环境交互,通过获取最大奖励方式,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)
机器学习建模流程
1 获取数据 2 数据基本处理 3 特征工程 4 机器学习 5 模型评估
特征工程
1 特征提取 : 从原始数据提取任务相关特征
2 特征预处理 : 特征对模型产生影响
3 特征降维 : 降低数据维度
4 特征选择 : 特征子集
5 特征组合 : 多个特征合并成一个特征. 加/乘
拟合 fitting
欠拟合 under - fitting
训练集和测试集表现都差
原因: 模型过简单
解决办法: 增加特征
过拟合 over - fitting
训练集表现好, 测试集表现差
原因: 模型过复杂,数据不纯,训练数据过少
解决办法: 正则化,异常值检测,特征降维
泛化 Generalization
模型在新数据集上表现好坏能力
奥卡姆剃刀原则
相同泛化误差的模型.取较简单的模型