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!!!