mcqlyxxx的博客

有监督学习 学习阶段——》预测阶段 什么是好的模型？ 泛化能力： 能否在实际的业务数据也能准确预测 可解释性 预测的结果是否容易被解释 预测速率 每条数据的预测需要多长时间 可塑性 实际业务过程中数据量可能很大，随着业务量增大，预测的速率是否仍然可以接受 模型的有效性 泛化能力： 机器学习的目标是使学得的模型能够很好的适用于新的样本，而不是仅仅在训练样本上工作的很好，学得的模型适用于新样本的能力称为泛化能力，也称为鲁棒性。 误差: 学习到的模型在样本上的预测结果与样本的真实结果之间的差。 训练误差：模型在.

机器学习的整体流程 机器学习基本概念-数据集 数据集：在机器学习任务中使用的一组数据，其中的每一个数据称为一个样本。反映样本在某方面的表现或性质的事项或属性称为特征。 训练集：训练过程中使用的数据集，其中每个训练样本称为训练样本。从数据中学得模型的过程称为学习（训练）。 测试集：学得模型后，使用其进行预测的过程称为测试，使用的数据集称为测试集，每个样本称测试样本。 数据对于模型来说就是至关重要的，是模型能力的天花板，没有好的数据，就没有好的模型。 数据清理：填充缺失值，发现并消除造成数据及异常点。 清理

机器学习算法 机器学习，利用历史数据训练得到模型。 使用样本训练、决策的规则复杂或难以描述、由机器自动学习规则 理性认识 目标函数f未知，学习算法无法得到一个完整的函数f。 假设函数g逼近函数f，但可能和函数f不同。 解决的主要问题 最典型的三种任务 分类、回归、聚类。 分类和回归是预测问题的两种主要类型，占到80%~90%，分类的输出是离散型的类别值，而回归的输出是连续数值。 机器学习分类 监督学习 利用已知类别的样本，训练学习得到一个最优模型，使其达到所要求性能，再利用这个训练所得模型，将所有的输入映

华为云HCIA-AI学习记录@人工智能概述 人工智能概述 人工智能 四要素 数据 算法 算力 场景 人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一门新的技术科学 -机器学习：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。是人工智能的核心研究领域之一。 -深度学习：源于人工神经网络的研究，多层感知器就是一种深度学习结构。深度学习是机器学习领域研究的一个新的领域，它模仿人脑的机制来解释数据，例如图像、声音和文