人工智能发展阶段
- 基于知识:
- 早期人工智能,将人的知识以规则或位词的形式转移给计算机,然后计算机基于这些规则进行演绎推理;
- 专家系统、机器定理证明;
- 属于计算机科学的范畴;
- 基于特征:
- 不依赖上层知识,基于更底层的特征数据;
- 基于底层特征数据进行预测或分类需要先建立并训练模型,相当于计算机从训练数据中获得知识,这就是机器学习;至此,机器学习开始成为人工智能研究的主要领域;
- 回归分析、贝叶斯决策;
- 基于数据:
- 随着信息化和互联网的普及,各种数据被存储,基于这些原始数据建立数据模型;
- 基于大数据的深度学习;
人工智能与机器学习的关系
- 人工智能是研究如何使计算机承担以往必须由人承担的工作;
机器学习问题
问题主要来源
- 统计学中的数据分析;
- 计算机科学中的人工智能;
机器学习的问题分类
- 回归(有监督学习)
- 根据样本数据集,建立变量之间的函数模型,如果待预测目标为连续值,那么属于回归问题;
- 可视为定量分析;
- 分类(有监督学习)
- 根据样本数据集,建立变量之间的函数模型,如果待预测目标为离散值,那么属于分类问题;
- 可视为定性分析;
- 聚类
- 根据数据自身特性进行聚类或者分类;
- 在聚类问题中,样本数据集没有类别标注,被称为无监督学习;
机器学习的三个教学层面
- 设计层面:
- 提出新的模型和学习算法,或者改进别人的模型和算法;
- 关键是数学建模(即形式化表示)及其最优化(及学习算法);
- 编程层面:
- 理解别人的算法与模型,能够将其编写成函数库或类库;
- 应用编程层面;
- 理解各种模型与算法的基本原理、特点和适用性,将其应用于实际问题;