人工智能笔记

一、深度学习预备知识

• Ai、机器学习、深度学习的关系
  DEEP LEARNING<MAC HINELEARNING<ARTIFICIAL INTELLIGENCE

• 四要素：数据、算法、算力、场景

• 机器学习算法与传统基于规则的区别
  传统基于规则的区别：
  使用显性编程来解决问题
  规则可以被人共明确定义
  机器学习算法：
  机器从数据中学习到规律
  规则由机器自动学习得到

• 训练集和测试集
  训练集：训练过程中使用的数据集
  测试集：学得模型后，使用其进行预测的过程成为测试，使用的数据集成为测试集

• 欠拟合和过拟合
  欠拟合：模型过于简单到时训练误差泛化误差大。
  过拟合：训练得到的模型的训练误差很小，而泛化能力较弱即泛化误差较大。

• 机器学习场景的任务
  分类
  回归
  聚类
  生成

• 机器学习方法分类
  监督学习算法
  无监督学习算法
  自监督学习算法
  半监督学习
  强化学习

• 传统机器学习的挑战
  维数灾难

• 机器学习的整体流程
  数据收集
  数据清洗
  特征提取与选择
  模型训练
  模型评估与测试
  模型部署与整合

常见学习

监督学习
分类，回归
非监督学习
强化学习