人工智能专业22-2认知实习 2024/4/22 机器学习概述

一 、人工智能三大概念

1 人工智能 • Artificial Intelligence(AI)：仿智，使用计算机来模拟或者代替人类

2 机器学习 • Machine Learning(ML) ：机器自动学习，不是人为规则编程

3 深度学习 • Deep Learning (DL) ：大脑仿生，设计一层一层的神经元模拟万事万物

4 AI、ML、DL三者之间的关系

• 机器学习是实现人工智能的一种途径

• 深度学习是机器学习的一种方法发展而来的

5 算法的学习方式有哪两种？

• 基于规则的学习

• 基于模型的学习

实现人工智能的方法很多，其中机器学习是实现人工智能一种途径、一种方法。

广义上深度学习是从机器学习发展而来的，两者有区别还有联系。

深度学习方法是大脑仿生，深度学习方法从机器学习发展而来。

机器学习就是基于模型自动学习事物特征，而不是程序员手工的编写规则。

深度学习和机器学习都有各自的应用场景。在研究领域中要根据待解决的问题来选择合理的方法。

二、机器学习的应用领域和发展史

1 机器学习的应用领域

• 计算机视觉CV：对人看到的东西进行理解

• 自然语言处理：对人交流的东西进行理解

• 数据挖掘和数据分析：也属于人工智能的范畴

2 人工智能发展史

• 1956年人工智能元年

• 2012年计算机视觉深度神经网络方法研究兴起

• 2017年自然语言处理应用大幕拉开

• 2022年chatGPT的出现，引起AIGC的发展

3 人工智能发展三要素

• 数据，算法，算力

• CPU：主要适合I\O密集型的任务

• GPU：主要适合计算密集型任务

• TPU：专门针对大型网络训练而设计的一款处理器

三、机器学习常用术语

1 样本和数据集

• 样本(sample) ：一行数据就是一个样本

 • 数据集dataset：多个样本组成数据集

2 特征 • 特征(feature) ：一列数据一个特征，有时也被称为属性

3 标签 • 标签/目标(label/target) ：模型要预测的那一列数据。

4 数据集划分

• 训练集用来训练模型、测试集用来测试评估模型 。

• 一般划分比例7:3 ~ 8:2

四、机器学习算法分类

1 按照学习方式分类可分为: 监督学习, 无监督学习, 半监督学习, 强化学习

2 监督学习: 输入训练集数据包含输入特征值和目标值

回归: 函数的输出是一个连续的值
分类: 函数的输出是有限个离散值

3 无监督学习: 输入训练集数据是由输入特征值组成，没有目标值

比如：聚类根据样本间的相似性对样本集进行分类

4 半监督学习: 训练集同时包含有目标值的样本数据和不含有目标值的样本数据

5 强化学习: 智能体不断与环境进行交互，通过获取最大奖励的方式（试错的方式）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)。

五、机器学习建模流程

• 获取数据：搜集与完成机器学习任务相关的数据集

• 数据基本处理：数据集中异常值,缺失值的处理等

• 特征工程：对数据特征进行提取、转成向量，让模型达到最好的效果

• 机器学习(模型训练)：选择合适的算法对模型进行训练

• 根据不同的任务来选中不同的算法；有监督学习,无监督学习,半监督学 习,强化学习

• 模型评估：评估效果好上线服务,评估效果不好则重复上述步骤