1 基础概述
1.1 概念
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是一门边缘学科,属于自然科学和社会科学的交叉。涉及到哲学和认知科学,数学,神经生理学,心理学,计算机科学,信息论,控制论,不定性论。
实际应用:机器视觉,指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,自动规划,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学,语言和图像理解,遗传编程等。
1.2 主要分支
机器学习是人工智能的一个实现途径,深度学习是机器学习的一个方法发展而来。
通讯感知与行动是现代人工智能的三个关键能力。
1.2.1 计算机视觉(CV)
计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。
1.2.2 自然语言处理(NLP)
1.2.3 机器人
1.3 人工智能发展必备三要素
数据集
- 样本 :一行数据我们称为一个样本
- 特征:一列数据我们称为一个特征
- 目标值(标签值)
- 特征值
数据类型构成
类型一:特征值+目标值(目标值分为离散和连续)
类型二:只有特征值,没有目标值
数据分割
- 机器学习一般的数据集会划分为两个部分:
- 训练数据:用于训练、构建模型
- 测试数据:在模型检验时使用,用于评估模型是否有效。
划分比例:
训练集:70% 80% 75%
测试集:30% 20% 25%