人工智能学习1——特征提取和距离

强人工智能和弱人工智能：
强人工智能：和人脑一样
弱人工智能：不一定和人脑思考方式一样，但是可以达到相同的效果，弱人工智能并不弱
——————————————————————————————————
机器学习能解决的问题：
1.人工智能只能解决有强规律的事情
2.平滑性问题 人工智能不能解决质数识别问题，因为质数本来是没有规律的
3.结果不变性 天气预报-》不变 股票预测-〉可变

特征提取-》数字量化
特征向量就是一个数组

天然向量化：本来就是数字
特征提取时会丢失很多客观事实，是一个信息丢失的过程

图片-》对于一个400400像素的图像-〉特征提取之后4004003（3是RGB的三通道，400400像素的每一个位置都是三维的）

黑白图片-》4004001（1是灰度，范围0～255）

视频-〉多张图片（抽取视频关键帧） 对于机器学习，图片和视频没有本质区别

中文编码：
One-hot编码
常见中文词10w个
我： 【0，1，0，0，……，0，0】
爱： 【0，0，0，1，……，0，0】
中国：【0，0，0，0，……，1，0】
multi-hot编码
我爱中国：【0，1，0，1，……、，1，0】

hot编码的缺点
所有词的差异都是相同的，看不出来词和词之间的差异，语义丢失
丧失循序性
浪费存储时间

hot编码应用场景：性别编码
特征向量化没有绝对的好，向量和需求要契合

微博社交网络，如何表示特征？
人少的时候：邻接矩阵
人多的时候：？
即使同一场景，提取特征也需要看数量级

向量化的好处：可以衡量节点之间的距离

关于距离
——————————————————————————————————
1.欧氏距离：数学中的距离，距离唯一
2.曼哈顿距离：城市街区行走，两地之间的距离，距离不唯一
3.切比雪夫距离：国际象棋国王的行走，向周围8个方向行走的距离都是1，在欧氏距离中是根号2，曼哈顿距离中是2
公式表示为：max（｜x1-x2｜，｜y1-y2｜）


在真实产品需求中
对两个产品之间的距离一般计算相似度，并且相似度存在一个值域范围
一般使用公式（1/1+阿尔法）来计算相似度，使得相似度处于区间（0，1】中，并且阿尔法越大，相似度越不敏感

在流形面上，距离会失效，只能找近的，近义词，不能找远的

欧式距离的缺点：
身高体重 150cm 40kg
【1.5，40】-》【150，40】- 〉【1500，40】
使用不同单位，对结果影响不一样，例如上述过程中就在逐步放大身高作用
所以需要做归一化
方差和量纲成正比，量纲越大，方差越大