机器学习1导学:算法分类、建模流程、特征工程、模型拟合
·
导学






1.人工智能三大概念



机器学习:先训练,再预测
所以人工智能:数据+算法+算力
对于找西瓜,这件事“
1.AI->给你一张图片,判断是否是西瓜
2.ML—>基于大量的西瓜的图片、音频、视频、文本等,总结出规律->如何挑选一个好西瓜。纹路,回弹声音,瓜瓜蒂,颜色
3.DL->基于西瓜的价格、产地、口感,搭建自己的知识库,






一元线性回归,公式:y=kx+b
k:斜率->Weight,权重
b:截距->bias,偏置


2.机器学习的应用领域和发展史




人工智能之父:约翰 麦卡锡
机器学习之父:亚瑟 塞缪尔
AIGC:由AI生成内容

3.机器学习常用术语






4.机器学习算法分类



1.有监督学习:有特征+有标签;
其中标签 ①连续:回归②不连续:分类
2.无监督学习:有特征+无标签;其中只能根据样本间的相似性进行聚类
3.半监督:有特征+部分标签
4.强化学习=寻找最短路径(最优解),以便获取最多的奖励
其中四要素:
Agent,环境,奖励,动作







5.机器学习建模流程
数据采集 数据预处理 特征工程 模型训练 模型预测






6.特征工程概念入门



特征提取:会改变数据
特征预处理->归一化、标准化;其中,归一化:(当前值-最小值)/(最大值-最小值)







7.模型拟合问题




拟合:模型在训练集和测试集上表现情况
欠拟合:模型在训练集和测试集表现都不好
过拟合:模型在训练集好,测试集不好


8.机器学习开发环境



更多推荐
所有评论(0)