学习目标

  • 了解人工智能发展历程
  • 了解机器学习定义以及应用场景
  • 知道机器学习算法监督学习与无监督学习的区别
  • 知道监督学习中的分类、回归特点
  • 知道机器学习的开发流程

    纪要

    1.1 人工智能概述

    1.人工智能起源

    1.   图灵测试<br />        达特茅斯会议

    2.人工智能三个阶段

    1.   1980年代是正式成形期<br />        1990-2010年代是蓬勃发展期<br />        2012年之后是深度学习期

    3.人工智能、机器学习和深度学习

    1.   机器学习是人工智能的一个实现途径<br />        深度学习是机器学习的一个方法发展而来

    4.主要分支介绍

    1.   1.计算机视觉<br />            eg:人脸识别<br />        2.自然语言处理<br />            语音识别<br />            语义识别<br />        3.机器人

    5.人工智能必备三要素【*】

    1.   数据<br />        算法<br />        计算力

    6.gpu,cpu【**】

    1.   gpu -- 计算密集型<br />        cpu -- IO密集型

    1.2.机器学习工作流程

    1.定义【*】

    1.   数据<br />        自动分析获得模型<br />        预测<br />        从数据中自动分析获得模型，并利用模型对未知数据进行预测

    2.工作流程【**】

    1.   1.获取数据<br />        2.数据基本处理<br />        3.特征工程<br />        4.机器学习（模型训练）<br />        5.模型评估

    3.获取到的数据集介绍【*】

    1.   1.专有名词<br />            样本<br />            特征<br />            目标值（标签值）<br />            特征值<br />        2.数据类型构成<br />            类型一：特征值+目标值<br />                目标值分为是离散还是连续<br />            类型二： 只有特征值，没有目标值<br />        3.数据划分<br />            训练数据（训练集） -- 构建模型<br />                0.7--0.8<br />            测试数据（测试集） -- 模型评估<br />                0.2--0.3

    4.数据基本处理

    1.   对数进行缺失值、去除异常值等处理

    5.特征工程

    1.   1.定义<br />            把数据转换成为机器更容易识别的数据<br />        2.为什么需要特征工程<br />            数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已<br />        3.包含内容<br />            特征提取<br />            特征预处理<br />            特征降维

    6.机器学习

    1.   选择合适的算法对模型进行训练

    7.模型评估

    1.   对训练好的模型进行评估

    1.3 机器学习算法分类【*】

    1.监督学习 — 有特征值，有目标值

    1.   目标值连续-- 回归<br />        目标值离散-- 分类

    2.无监督学习 — 仅有特征值

    3.半监督学习

    1.   有特征值，但是一部分数据有目标值，一部分没有

    4.强化学习

    1.   动态过程，上一步数据的输出是下一步数据的输入<br />        四要素：agent, action, environment,Reward,

    1.4 模型评估

    1.分类模型评估

    1.   准确率<br />        精确率<br />        召回率<br />        F1-score<br />        AUC指标

    2 回归模型评估

    1.   均方根误差<br />        相对平方误差<br />        平均绝对误差<br />        相对绝对误差<br />        决定系数

    3.拟合

    1.   欠拟合<br />        过拟合