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