01机器学习概述

1.1人智能述

1.人工智能起源

​ 图灵测试
​ 达特茅斯会议

2.人工智能三个阶段

​ 1980年代是正式成形期
​ 1990-2010年代是蓬勃发展期
​ 2012年之后是深度学习期

3.人工智能、机器学习和深度学习

​ 机器学不是人工智能的一个实现途径
​ 深度学公是机器学习的一个方法发展而来

4.主要分支介绍

​ 1.计算机视觉
​ eg:人脸识别

​ 2.自然语言处理语浃饯吉譬识罗唉茸翠蔽斑语义识别
​ 3.机器人

5.人工智能必备三要素[***]

​ 算法
​ 计算力

6.gpu, cpu

​ gpu --计算密集型

​ cpu – IO密集型

1.2.机器学习工作流程

1.定义[***]

​ 数据
​ 自动分析获得模型
​ 预测
​ 从数据中自动分析获得模型，并利用模型对未知数据进行预测

2.工作流程[****]

​ 1取数据
​ 2.数据基本处理
​ 3.特征工程
​ 4.机器学习(模型练)
​ 5.模型评估

3.获取到的数据集介绍

1.专有名词

​ 样本

​ 特征
​ 目标值 (标值)

​ 特征值

2.数据类型构成

​ 类型一:特征值+目标值
​ 目标值分为是离散还是连续

​ 类型二: 只有特征值，没有目标值

3.数据划分

​ 训练数据(训练集) – 构建模型
​ 0.7–0.8
​ 测据(测试集) --模型评估
​ 0.2–0.3

4.数据基本处理

​ 对数进行缺失值、去除异常值等处理

5.特征工程

1.定义

​ 把数据转换成为机器更容易识别的数据

2.为什么需要特征工程

​ 数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已

3.包含内容

​ 特征提取特

​ 征预处理

​ 特征降维

6.机器学习

​ 选择合适的算法对模型进行训练

7.模型评估

​ 对训练好的模型进行评估

1.3机器学习算法分类[***]

1.监督学习-- 有特征值，有目标值

​ 目标值连续-- 回归

​ 目标值离散–分类

2.无监督学习-- 仅有特征值

3.半监督学习

​ 有特征值，但是一部分数据有目标值，一部分没有

4.强化学习

​ 动态过程，上一步数据的输出是下一步数据的输入
​ 四要素:agent，action, environment，Reward,

1.4模型评估

1.分类模型评估

​ 准确率
​ 精确率
​ 召回率
​ Fl-score
​ AUC指标

2.回归模型评估

​ 均方根误差
​ 相对平方误差
​ 平均绝对误差
​ 相对绝对误差
​ 决定系数

3.拟合

​ 欠拟合

​ 过拟合

本人基本都是个人笔记，非常希望有大佬提出错误和改进之处，但大佬轻喷哈！！！