机器学习1--概述

机器学习概述

一、概述

  1. 人工智能的应用:交通、网络安全、电子商务、
  2. 人工智能发展三要素:数据、算法、计算力。
    • CPU,GPU,TPU
    • CPU主要适合I\O密集型任务
    • GPU主要适合计算密集型任务

提问:什么类型的程序适合在GPU上运行?

  • 第一种,计算密集型程序。计算密集型程序是指大部分运行时间花在寄存器的运算上,寄存器的速度和处理器的速度相当,从寄存器读写数据几乎没有延时。
  • 第二种,易于并行的程序。GPU其实是一种SIMD架构,有成千上百个核,每一个核在同一时间最好能做一样的事情。
  1. 人工智能、机器学习和深度学习:
    • 机器学习是人工智能的实现途径
    • 深度学习是机器学习的一个方法发展而来

二、发展历程

  1. 起源:

    • 图灵测试。
    • 达特茅斯会议。1956年。
  2. 时间线:

    • 第一是起步发展期:1956-1960;
    • 第二是反思发展期:20世纪60年代-70年代初;
    • 第三是应用发展期:20世纪70年代初-80年代中;
    • 第四是低迷发展期:20世纪80年代中-90年代中;
    • 第五是稳步发展期:20世纪90年代中-2010;
    • 第六是蓬勃发展期:2011至今。

三、主要分支

主要分支:

  • 计算机视觉:机器感知环境的能力

  • 语音识别:识别语音并将其转换成对应文本的技术

  • 文本挖掘、分类:文本分类,理解组织文档

  • 机器翻译

  • 机器人

四、工作流程

  1. 什么是机器学习?

    机器学习是从数据中自动分析获得模型,并利用模型对未知数据预测。

  2. 机器学习工作流程

    • 1 获取数据
    • 2 数据基本处理
    • 3 特征工程
    • 4 机器学习,模型训练
    • 5 模型评估

五、算法分类

  1. 监督学习
    输入数据由特征值和目标值组成,输出为一个连续的值(回归)或者有限个离散的值(分类)。
  2. 无监督学习
    输入数据由特征值组成,没有目标值。
  3. 半监督学习
    训练集同时包含有标记样本数据和未标记数据。
  4. 强化学习
    决策问题。agent采用行动操纵环境,从一个状态转变到另一个状态,得到奖励。

六、模型评估

  1. 分类模型评估:准确率
  2. 回归模型评估:均方根误差
  3. 拟合
    • 欠拟合,学习到太少
    • 过拟合,在训练集优越,在测试集不能泛化
相关推荐
果冻人工智能37 分钟前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工39 分钟前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
石小石Orz40 分钟前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
罗小罗同学1 小时前
医工交叉入门书籍分享:Transformer模型在机器学习领域的应用|个人观点·24-11-22
深度学习·机器学习·transformer
孤独且没人爱的纸鹤1 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭1 小时前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~1 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码1 小时前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng11331 小时前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike1 小时前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习